基于MODIS數據反演森林地上生物量的研究.pdf

1、迅速發(fā)展的遙感技術為森林生物量的估算提供了一條快捷、方便而又可靠的途徑。在遙感數據中，MODIS(Moderate-resolution Imaging Spectroradiometer)是美國對地觀測計劃中一種比較重要的傳感器。MODIS遙感數據具有宏觀性強、周期性短等特點，已逐漸成為自然資源探查、災害實時預警、國土統(tǒng)計調查、宏觀生產管理等方面的重要手段，MODIS數據憑借其穩(wěn)定、經濟等方面的優(yōu)勢在估算大尺度森林生物量上有著廣泛的應

2、用。本文以吉林省汪清林區(qū)為例，利用MODIS遙感數據的多特種信息提取，統(tǒng)計分析不同森林類型，采用決策樹方法對森林類型進行識別，并利用多元回歸模型和B-P神經網絡模型，結合森林類型估算不同森林生物量，對其評價，制成森林生物量分布圖。主要研究內容及結果如下:
　　(1)采用Savizky-Golay(S-G)濾波算法對經過MRT（Modis Reprojection Tool）處理好的MODIS時間序列圖像進行去噪處理，通過S-G濾波

3、后，有效地平滑原曲線，在一定程度上減少了時間序列數據存在的噪聲問題。
　　(2)基于MODIS影像的多種產品特征信息，結合研究林區(qū)的地形分布，在空間維上分析影像的紋理特征信息和地形指標信息，時間維上分析植被的生長規(guī)律和地表溫度信息，統(tǒng)計分析植被的特征信息差異，利用決策樹方法對研究區(qū)的森林類型進行分類，并對分類結果進行精度評價。研究結果表明，總體分類精度為86.89％，Kappa系數為0.8216。其中闊葉林、針葉林、混交林和其他用

4、地分類精度分別為94.44％、87.50％、82.35％和80.00％。
　　(3)基于MODIS光譜植被參數，結合森林類型分類，利用多元回歸方法建立不同森林生物量模型，并對模型進行評價分析，其闊葉林、針葉林和混交林的生物量預測精度分別為47.7％、37.7％和53.5％，標準誤差分別為30.35 t·hm-2、31.73 t·hm-2和27.78t·hm-2。從結果可以看出，擬合精度并不理想;隨后，提出加入二向性反射數據MODI

5、S-BRDF模型參數因子，利用多元回歸方法建立不同森林生物量模型，結果表明，加入二向性反射數據的模型，闊葉林、針葉林和混交林的生物量估測精度分別為86.3％、80.0％和76.7％，標準誤差分別為15.23 t·hm-2、17.78 t·hm-2和18.42 t·hm-2。
　　(4)基于多元回歸的模型參數，利用B-P神經網絡方法估測森林生物量。構建B-P網絡模型，確定適合該地區(qū)的模型參數，對訓練樣本和驗證樣本進行模擬仿真，其仿真

6、結果:闊葉林、針葉林和混交林的預測生物量精度分別為95.4％，95.7％和92.8％，相對誤差分別為4.59 t·hm-2、5.53 t·hm-2和7.56 t·hm-2，標準誤差分別為3.12 t·hm-2、5.52t·hm-2和5.14 t·hm-2。
　　(5)利用B-P神經網絡構建生物量模型，結合模型中所應用的MODIS參數影像，利用B-P神將網絡仿真，分別建立B-P神經網絡森林生物量模型系統(tǒng)，輸出闊葉林、針葉林和混交林生