【摘要】：城市植被分類及生物量反演研究,不僅是城市景觀規(guī)劃與管理的基礎(chǔ),還可為城市植被生態(tài)調(diào)節(jié)、環(huán)境保護(hù)等研究提供數(shù)據(jù)基礎(chǔ)和技術(shù)支撐。本文基于Sentinel-2A遙感影像和實(shí)地樣方調(diào)查數(shù)據(jù),以徐州三環(huán)路范圍內(nèi)城市植被為研究對象,探究了城市植被分類方法及生物量反演模型的構(gòu)建。在變量篩選的基礎(chǔ)上,根據(jù)參與分類的變量類型不同,設(shè)計了4組不同的分類特征變量組合并利用五種不同的分類器進(jìn)行分類。在城市植被生物量反演模型構(gòu)建方面,結(jié)合實(shí)地樣方生物量調(diào)查結(jié)果,利用一元回歸模型(SR)、多元線性回歸模型(MLR)以及逐步回歸模型(Both-SRA),針對不同類型植被分別構(gòu)建生物量反演模型。根據(jù)模型精度驗(yàn)證結(jié)果,結(jié)合2017年不同月份的6期遙感影像,對研究區(qū)生物量分布及年度變化特征進(jìn)行了分析。主要研究成果和結(jié)論如下:(1)提取了城市植被端元信息。通過最小噪聲分離(MNF)、植被端元“初步篩選”和“純化”等步驟,最終得到三種植被端元,分別為低矮植被、闊葉林和針葉林。通過完全約束最小二乘法(FCLS)計算得到三種植被組分豐度圖,其均方根(RMS)為0.019,混合像元分解結(jié)果精度較好。(2)探討了城市植被分類方法。在相同分類特征變量組合下,五種分類器中SVM分類器的分類精度最高,RF、ANN和QUEST分類器分類精度次之,MLC分類精度最低。對于同一分類器可以發(fā)現(xiàn),隨著參與分類的變量數(shù)量的增加(即由M1到M4),分類精度都有所提高。在基于五種分類器的所有分類模型中,SVM_M4模型的分類結(jié)果最優(yōu),總體精度為89.86%,Kappa系數(shù)為0.83,低矮植被、闊葉林和針葉林分類精度依次為86.76%,90.41%和91.43%。(3)構(gòu)建了城市植被生物量反演模型。三種建模方法中Both-SRA模型擬合和反演精度最高,低矮植被、闊葉林和針葉林模型擬合度(R~2_(nh))依次為0.853、0.821和0.838,模型決定系數(shù)(R~2_(yz))依次為0.7679、0.7318和0.7860。此外,區(qū)分植被類型所得到的模型在擬合度和模型精度上均優(yōu)于未區(qū)分植被類型的生物量反演模型。(4)揭示了徐州城市植被生物量變化特征。利用Both-SRA模型反演研究區(qū)不同植被生物量,結(jié)果表明,2017年7月三種植被中針葉林生物量最高,為1.30×10~5t;闊葉林生物量次之,為6.20×10~4t;低矮植被生物量最低,為2.64×10~4t,總生物量為2.18×10~5t。年度生物量研究結(jié)果顯示,全年1月和12月生物量最低,9月生物量最高。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;TP751;Q949
【圖文】：

2 Overview of Research Area and Data Preprocessing2.1 研究區(qū)概況（Study Area）2.1.1 地理位置徐州市（33°43′~34°58′N，116°22′~118°40′E）位于江蘇省的西北部、華北平原東南部，東西長約 210km，南北寬約 140km，是蘇、魯、豫、皖四省的交界。徐州市被譽(yù)為“五省通衢”，是全國重要的交通樞紐，也是淮海經(jīng)濟(jì)區(qū)的中心城市。據(jù)江蘇省林業(yè)局統(tǒng)計數(shù)據(jù)，徐州市 2017 年森林覆蓋面積為 33.63 萬公頃，林木覆蓋率高達(dá) 30.12%，近 10 年來林木覆蓋率位居全省第一，是全國“國家森林城市”和首批“生態(tài)園林城市”，具有“一城青山半城湖”的美稱。本研究選取徐州三環(huán)內(nèi)范圍（34°12′55.31″~34°19′42.46″N，117°7′0.60″~117°14′13.87″E）為研究區(qū)，面積約為 108.51km2。研究區(qū)內(nèi)北部、東部和南部為丘陵崗地，包括珠山、云龍山、九里山、子房山等，山體主體由石灰?guī)r構(gòu)成，其主要土地覆蓋類型為側(cè)柏人工林，中部為商業(yè)區(qū)及住宅。研究區(qū)在徐州市的地理位置及遙感影像數(shù)據(jù)如圖 2-1 所示。

圖 2-2 側(cè)柏胸徑及樹高統(tǒng)計圖Figure 2-2 Diameter at breast height (DBH) and height of Platycladus orientalis2.2 遙感數(shù)據(jù)獲取與處理（Acquisition and Processing of RemoteSensing Data）2.2.1 遙感及矢量邊界數(shù)據(jù)獲取與 Landsat 和 SPOT 系列遙感數(shù)據(jù)相比，Sentinel-2 衛(wèi)星數(shù)據(jù)擁有 13 個多光譜波段且空間分辨率最高為 10m，重訪周期為 5 天，在城市植被覆蓋類型識別方面具有更多優(yōu)勢，可為城市植被覆蓋類型識別提供連續(xù)觀測數(shù)據(jù)。因此，本研究嘗試采用 Sentinel-2A 衛(wèi)星數(shù)據(jù)識別徐州城市植被覆蓋信息，該衛(wèi)星的基本情況介 紹 見 1.2.3 節(jié) 。 該 遙 感 影 像 是 通 過 ESA 數(shù) 據(jù) 共 享 網(wǎng) 站（https://scihub.copernicus.eu/dhus/#/home）免費(fèi)下載的，數(shù)據(jù)獲取時間為 2017 年7 月 24 日，軌道號為 R032，世界協(xié)調(diào)時間（Universal Time Coordinated，UTC）為 02:55:42，影像云量為 1.74%，數(shù)據(jù)級別為 L1C 級，已經(jīng)完成了幾何校正、輻射定標(biāo)和大氣表觀反射率（TopofAtmosphere，TOA）計算。研究區(qū)矢量邊界數(shù)

圖 2-3 候選樣方分布圖Figure 2-3 Distribution of the candidate sites定位到樣方中心點(diǎn)是利用中海達(dá) Hi-Q5 型手持式 GPS 實(shí)現(xiàn)的，該 GPS 在到徐州市 CORS（ContinuouslyOperatingReferenceStation）站后，最大水平可達(dá)到 0.5m。隨后利用指南針和皮尺，將該中心點(diǎn)放樣為 10m×10m 的樣方根據(jù)調(diào)查內(nèi)容對樣方內(nèi)的所有植被進(jìn)行調(diào)查統(tǒng)計。其中胸徑和基徑用圍尺（ 2m，最小刻度 1mm）量取，灌木高度用卷尺（量程 5m，最小刻度 1mm），喬木樹高用伸縮式測高桿（量程 20m，最小刻度 1cm）量取。野外植被調(diào)間為 2017 年 10 月-12 月，實(shí)地調(diào)查照片如圖 2-4 所示。排除掉部分不能調(diào)樣方（該部分樣方位于軍事管制區(qū)或特殊教育機(jī)構(gòu)內(nèi)），最終得到 140 個有方實(shí)測數(shù)據(jù)，包括 35 處針葉林、73 處闊葉林和 32 處低矮植被，實(shí)測樣方及其植被覆蓋情況見圖 2-1。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊s

本文編號：2801353