基于机器学习的祁连山草地植被覆盖度遥感估算研究

发布时间：2021-05-19 22:46

　　草地植被覆盖度（Fractional Vegetation Cover,FVC）是衡量地表草地植被生长状况的一个重要指标,也是区域碳循环分析、草地生态系统健康评价以及草地资源可持续开发利用的指示因子。祁连山是中国西北地区典型的生态脆弱区,草地生态系统是该区域内最主要的生态系统。因此,构建高精度的草地覆盖度估算模型对祁连山地区内草地资源管理和生态环境保护具有重要的意义。许多学者已针对祁连山地区的植被覆盖展开了大量研究,然而,目前的草地植被覆盖度估算模型差异较大,也鲜有估算祁连山东、中、西段不同区域草地覆盖度的精确模型。因此,本文以祁连山作为典型研究区,以东、中、西段内各类型草地植被为研究对象,对比了不同MODIS产品对祁连山草地植被估算的适用性,利用多种植被指数、裸土指数、阴影指数以及温度、降水、湿度等气象因子,分别构建草地覆盖度的单因子和多因子的参数与非参数模型,对比各模型的精度和稳定性。在此基础上,分析了2000-2019年祁连山地区草地覆盖度的时空动态变化,结果表明:（1）与MOD09GA相比,MCD43A4是更适合用于祁连山草地覆盖度研究的MODIS数据。在12种植被指数中,基于... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究进展
    1.3 拟解决的关键问题
    1.4 研究目的及内容
第二章 研究区概况与研究数据及方法
    2.1 研究区概况
    2.2 研究数据
        2.2.1 MODIS数据来源与处理方法
        2.2.2 DEM数据来源与处理方法
        2.2.3 气象数据来源与处理方法
        2.2.4 野外实测数据
        2.2.5 其他基础数据的获取
    2.3 研究方法
        2.3.1 植被指数计算
        2.3.2 基于不同反射率产品的植被指数与草地覆盖度相关性分析
        2.3.3 草地覆盖度的单因子参数估算模型构建及精度检验
        2.3.4 草地覆盖度的多因子参数回归模型构建
        2.3.5 BPNN的结构与算法流程
        2.3.6 基于BPNN的草地覆盖度估测模型构建
        2.3.7 草地覆盖度时空动态变化分析
第三章 草地覆盖度单因子参数模型构建及精度检验
    3.1 2018-2019祁连山草地植被覆盖度地面实测数据统计分析
    3.2 祁连山地区草地覆盖度遥感监测数据选取
    3.3 祁连山东、中、西段草地FVC与不同植被指数相关性比较
    3.4 祁连山东、中、西段草地FVC监测最优单因子参数模型确定
    3.5 草地FVC单因子非参数估算模型构建与精度检验
    3.6 讨论
    3.7 小结
第四章 草地覆盖度多因子估算模型构建及精度检验
    4.1 多因子线性参数模型与单因子模型精度对比
    4.2 基于不同输入数据的多元线性回归模型建立及精度检验
    4.3 基于BPNN的草地覆盖度多因子非参数反演模型构建
    4.4 讨论
    4.5 小结
第五章 祁连山地区草地覆盖度时空动态变化分析
    5.1 祁连山地区草地覆盖度月际动态变化
    5.2 2000-2019年祁连山草地覆盖度年际变化
    5.3 2000-2019年祁连山地区草地覆盖度空间变化
    5.4 讨论
    5.5 小结
第六章 结论与展望
    6.1 结论
    6.2 创新点
    6.3 存在的问题与展望
参考文献
在学期间研究成果
致谢


【参考文献】：
期刊论文
[1]基于多光谱数据与小型无人机的甘南草地非生长季植被覆盖度[J]. 冷若琳,张瑶瑶,谢建全,李芙凝,胥刚,崔霞.  草业科学. 2019(11)
[2]祁连山植被NDVI时空变化特征及其与气候变化的响应研究[J]. 苏军德,李国霞.  甘肃科技. 2019(16)
[3]近15年北方6省（区）草地覆盖度时空变化及其与气温、降水的关系[J]. 赵伟,张义,赵婷,程帅,程积民,刚成诚.  江苏农业科学. 2018(10)
[4]1988—2013年基于BP神经网络的植被叶面积指数遥感定量反演[J]. 林杰,潘颖,杨敏,佟光臣,唐鹏,张金池.  生态学报. 2018(10)
[5]基于SPA-MLR方法的土壤含水量光谱预测模型研究[J]. 贾学勤,冯美臣,杨武德,王超,孙慧,武改红,张松.  干旱地区农业研究. 2018(03)
[6]基于植被指数估算天山牧区不同利用类型草地总产草量[J]. 刘艳,聂磊,杨耘.  农业工程学报. 2018(09)
[7]复合植被指数在稀疏高寒草原植被盖度遥感反演中的应用[J]. 夏颖,范建容,张茜彧,毕永清.  草业科学. 2017(09)
[8]多植被指数组合的冬小麦遥感估产方法研究[J]. 王恺宁,王修信.  干旱区资源与环境. 2017(07)
[9]基于小型无人机与MODIS数据的草地植被覆盖度研究——以甘南州为例[J]. 宋清洁,崔霞,张瑶瑶,孟宝平,高金龙,向宇轩.  草业科学. 2017(01)
[10]基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例[J]. 孟宝平,陈思宇,崔霞,冯琦胜,梁天刚.  草业科学. 2015(11)

博士论文
[1]基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 孟宝平.兰州大学 2018
[2]三江源地区高寒草地生物量和草畜平衡的时空变化动态及其影响因素研究[D]. 杨淑霞.兰州大学 2017

硕士论文
[1]遥感技术在地理国情普查草地覆盖度估算中的应用[D]. 王建强.西安科技大学 2018
[2]BP神经网络辅助GPS-R遥感反演NDVI实验研究[D]. 祁云.中国矿业大学 2018
[3]2000～2012年祁连山植被覆盖变化及其对气候的响应研究[D]. 武正丽.西北师范大学 2014
[4]基于3S技术的高寒草地植被覆盖度分布特征及动态变化研究[D]. 郭述茂.兰州大学 2009
[5]植被覆盖度的照相法测算及其与植被指数关系研究[D]. 顾祝军.南京师范大学 2005



本文编号：3196570