基于高、中分辨率遙感數(shù)據(jù)的塔里木河下游荒漠林地上生物量估測(cè).pdf

1、以塔里木河下游喀爾達(dá)依斷面胡楊純林、檉柳純林和二者混交林三種林型地上生物量遙感估測(cè)為研究目的，根據(jù)地面實(shí)測(cè)數(shù)據(jù)和已構(gòu)建的生物量估測(cè)模型，使用不同空間分辨率的遙感數(shù)據(jù)(QuickBird、ALOS、ASTER、 TM)，采用“3S”技術(shù)和回歸分析方法，構(gòu)建了多源遙感數(shù)據(jù)的荒漠林地上生物量估測(cè)模型，探索了高分辨率遙感數(shù)據(jù)紋理特征提高生物量估測(cè)精度的可行性以及研究區(qū)地上生物量的空間分布特征。主要研究結(jié)論如下:
　　一、基于多源遙感數(shù)據(jù)的

2、荒漠林地上生物量估測(cè)
　　(1)樹(shù)冠是構(gòu)建生物量估測(cè)模型的關(guān)鍵參數(shù)?；赒B數(shù)據(jù)，采用目視解譯法獲取胡楊、檉柳冠幅，以地面實(shí)測(cè)數(shù)據(jù)為真值，其平均解譯精度分別達(dá)85.52％和84.32％，解譯值普遍小于實(shí)測(cè)值。在地下水埋深較大、胡楊、檉柳長(zhǎng)勢(shì)較差的區(qū)域，應(yīng)根據(jù)解譯精度，對(duì)QB數(shù)據(jù)上樹(shù)冠解譯結(jié)果進(jìn)行調(diào)整，以減少誤差。
　　(2)根據(jù)地面實(shí)測(cè)數(shù)據(jù)與基于QB數(shù)據(jù)解譯值，采用相關(guān)回歸分析方法得到胡楊單株地上生物量估測(cè)模型M（胡楊）=1

3、.357×1.727，以實(shí)測(cè)數(shù)據(jù)為真值對(duì)模型估測(cè)精度進(jìn)行檢驗(yàn)，達(dá)94.16％，為后續(xù)基于QB數(shù)據(jù)進(jìn)行研究區(qū)荒漠林地上生物量估測(cè)打下基礎(chǔ)。
　　(3)為進(jìn)行QB-ALOS-ASTER-TM數(shù)據(jù)生物量估測(cè)的尺度推移，采用相關(guān)分析法，對(duì)ALOS、ASTER、TM數(shù)據(jù)中NDVI、RVI、DVI、EVI、SAVI及不同波段的光譜值與三種林型地上生物量實(shí)測(cè)值進(jìn)行相關(guān)分析，確定了相關(guān)性較高的遙感參數(shù)和波段，構(gòu)建了QB數(shù)據(jù)生物量估測(cè)值與ALOS相

4、關(guān)參數(shù)的QB-ALOS生物量估測(cè)模型，三種林型生物量模型的估測(cè)精度分別為86.81％、82.58％和84.71％。采用同樣的思想，分別構(gòu)建了基于ALOS-ASTER數(shù)據(jù)和ASTER-TM數(shù)據(jù)的三種林型生物量估測(cè)模型，前者估測(cè)精度分別為84.27％、79.31％和85.96％;后者估測(cè)精度分別為85.37％、80.35％和83.91％。
　　(4)為提高模型估測(cè)精度，研究了紋理特征與生物量的相關(guān)性，選取不同分辨遙感數(shù)據(jù)估測(cè)生物量的紋

5、理窗口，在生物量估測(cè)模型中引入紋理特征值后，基于“QB-ALOS”模型中三種林型地面生物量估測(cè)精度分別提高了1.63％、3.09％、2.74％;“ALOS-ASTER”模型中三種林型地面生物量估測(cè)精度分別提高了1.97％、3.96％和1.48％。
　　二、研究區(qū)荒漠林生物量空間特征
　　(1)胡楊是塔河下游荒漠林地上生物量主要貢獻(xiàn)者，研究區(qū)胡楊生物量占林分地上總生物量的96％以上。在距離河道300m內(nèi)荒漠林生物量所占比重較大