融合多源遙感數據的森林生物量估算研究.pdf

1、森林生物量作為森林生態(tài)系統(tǒng)中物質循環(huán)的基礎，是衡量生態(tài)系統(tǒng)生產力的一個重要指標。傳統(tǒng)的森林生物量統(tǒng)計方法工作量大、周期長，難以獲取大區(qū)域的林木測量數據。隨著遙感技術的快速發(fā)展，多種遙感數據都已成功應用于森林結構特征的信息監(jiān)測和提取，為區(qū)域尺度估算森林生物量及其動態(tài)變化研究提供了方法和手段。近年來，遙感技術研究呈現多樣化，人們對多源遙感數據進行森林生物量的研究寄予厚望。
　　本文以云南省南滾河保護區(qū)滄源縣境內的區(qū)域為研究區(qū)，首先討論

2、了遙感技術在林業(yè)上的發(fā)展應用和現狀動態(tài)，并結合本文的研究內容和目的，對激光雷達回波波形數據和多光譜數據進行預處理，再使用激光雷達數據估測森林冠層高度和多光譜數據的參數因子的計算及森林水平結構參數的提取，結合外業(yè)調查數據，驗證各參數因子和森林生物量之間的相關性。最后，分別構建多元回歸模型和BP神經網絡模型估算生物量，并討論在本研究區(qū)中最佳的模型構建方法。主要研究如下:
　　(1)運用獲取的研究區(qū)的Landsat TM數據，將區(qū)域內的

3、多光譜數據經過輻射校正、大氣校正、正射校正等預處理后，根據數據的6個波段轉換得出10個植被指數，包括RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI。
　　(2)分析了研究區(qū)的森林分布情況，將研究區(qū)的森林覆被信息進行分類。利用區(qū)域增長聚類方法將激光雷達數據進行分類，將植被點疊加到TM多光譜數據上進行數據點篩選，得到準確的分類信息，為冠層高度估算和生物量模型構建奠定基礎。
　　(3)利用校正

4、后的TM多光譜數據得到的6個波段反射率和10個植被指數，分析葉面積指數與各單一指標之間建立遙感反演的相關性，利用偏最小二乘回歸方法構建模型，從而構建了適用于區(qū)域尺度的森林葉面積指數遙感估測模型，結合樣本數據與估測數據對比得出相關系數R2為0.91。
　　(4)根據研究區(qū)TM多光譜數據得到的植被指數，運用混合像元二分法構建植被指數與郁閉度之間的最優(yōu)回歸模型。結合樣地數據與估測數據建立回歸線性關系得出相關系數R2達到了0.86。

5、>　　(5)利用處理后的標準的激光雷達回波波形數據，運用Lefskyetal方法建立森林冠層高度估測模型，分析引入方程中的各個自變量與林木平均冠層高度的相關性強弱以及變量的解釋能力并分析預測精度。總體而言，森林冠層高度估測的精度較高，相關系數R2為0.89，均方根誤差RMSE在0.5m左右，總體一致性較好。
　　(6)基于激光雷達數據和TM多光譜數據，將兩種數據分析和估算得到的森林冠層高度、TM數據計算得到的10個植被指數以及估算

6、的葉面積指數和森林郁閉度，利用多元線性回歸方法和BP神經網絡方法分別構建森林生物量估算模型。對比發(fā)現聯(lián)合光譜信息與森林高度信息的BP神經網絡模型有非線性處理的能力，能夠更好的對生物量進行估算，根據驗證樣本的實測數據和估算數據進行驗證。研究表明，基于MLR模型的相關系數R2為0.78，基于BP神經網絡模型的相關系數R2為0.88。因此，適合本研究區(qū)的森林生物量估測的模型為BP神經網絡模型。
　　森林生物量是森林生產力和營養(yǎng)物質分布的