本文關鍵詞：光學與雷達遙感數(shù)據(jù)聯(lián)合反演森林生物量方法研究

  更多相關文章： Landsat5/TM ALOS/PALSAR 興安落葉松 三維相干雷達散射模型 葉面積指數(shù) 地上生物量

【摘要】：森林是陸地生態(tài)系統(tǒng)的重要組成部分,對人類生存有著十分重要的意義。其中,森林生物量不僅是生態(tài)系統(tǒng)生產(chǎn)力重要的評估指標,也是反映森林生態(tài)環(huán)境的重要因子。同時,森林生物量在全球碳循環(huán)、水循環(huán)和能量循環(huán)中也起到了重要的作用。由于遙感技術具備快速、準確、對目標無破壞性并能進行宏觀監(jiān)測的優(yōu)勢,使其為大尺度森林生物量的估測和高時間分辨率的動態(tài)變化研究提供了便捷的途徑。同時,不同類型遙感數(shù)據(jù)記錄著森林不同層面信息。隨著遙感數(shù)據(jù)的多源化發(fā)展,人們將微波數(shù)據(jù)、光學數(shù)據(jù)和激光雷達數(shù)據(jù)有效地結合使用,實現(xiàn)對森林生物量及其他森林結構參數(shù)的估算,具有重大的研究空間與發(fā)展?jié)摿�。本文圍繞實現(xiàn)落葉松地上生物量估算,針對大興安嶺根河地區(qū)平緩山地地貌環(huán)境,探討了融合L波段ALOS/PALSAR微波雷達數(shù)據(jù)與多光譜TM數(shù)據(jù)對根河地區(qū)落葉松地上生物量與冠層高度估算的可行性,實現(xiàn)了利用森林三維相干雷達散射模型對生物量和其他森林參數(shù)的估算。研究結果表明,在物理機理模型基礎上,融合微波與光學遙感數(shù)據(jù)對森林生物量的估算可以充分發(fā)揮多源遙感數(shù)據(jù)的優(yōu)勢,具有一定的適用性。本研究取得的主要成果與結論如下:1.多光譜遙感數(shù)據(jù)對森林植被冠層水平信息的獲取具有一定的優(yōu)勢,利用Landsat5/TM數(shù)據(jù)實現(xiàn)對研究區(qū)森林葉面積指數(shù)的估算。TM多光譜數(shù)據(jù)提取得到NDVI,SAVI,MSAVI,RDVI,MCARI等植被指數(shù),提出采用最小二乘法構建估算該森林地區(qū)最佳LAI估算模型,通過對比其他方法的估算結果發(fā)現(xiàn),該方法在一定程度上提高了估算精度。2.基于EFAST算法對PolSARproSIM雷達散射模型復雜的輸入?yún)?shù)進行全局敏感性分析,強化了對雷達模型的認識并簡化了復雜的輸入?yún)?shù)。對于PALSAR傳感器(1.27GHz)而言,雷達模型的敏感性輸入?yún)?shù)主要是衛(wèi)星入射角、樹木高度、林分密度和地表粗糙度,總的敏感性指數(shù)均大于0.1。3.基于光學遙感數(shù)據(jù)提取的森林冠層結構信息(LAI)與樣地實測數(shù)據(jù),實現(xiàn)了對Pol SARpro SIM模型進行本地化。模型模擬與實際森林場景相符合,利用模擬得到后向散射系數(shù)、模型模擬的生物量與模型的不同后向散射機制對模型本地化過程進行模擬與驗證,結果表明雷達模型可用于研究區(qū)模擬。4.基于PolSARproSIM模型模擬的后向散射系數(shù),建立有關森林生物量參數(shù)查找表,同時構建生物量和樹木冠層高度的估算方法,分析發(fā)現(xiàn)冠層樹木高度與生物量的相關系數(shù)達到0.826,回歸模型的確定系數(shù)2達到0.827;利用模型估算得到的冠層高度(RMSE=2.34m,MBE=1.82m)間接估算生物量,能夠在一定程度上提高了生物量的估算精度(RMSE=24.67 t/ha,MBE=20.05 t/ha)。
【關鍵詞】：Landsat5/TM ALOS/PALSAR 興安落葉松 三維相干雷達散射模型 葉面積指數(shù) 地上生物量
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP79
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 緒論12-21
• 1.1 選題依據(jù)與研究意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀和發(fā)展態(tài)勢13-18
• 1.2.1 基于光學遙感數(shù)據(jù)的研究方法13-14
• 1.2.2 基于雷達遙感數(shù)據(jù)的研究方法14-17
• 1.2.2.1 基于雷達數(shù)據(jù)經(jīng)驗模型反演14-15
• 1.2.2.2 基于微波物理機理模型反演15-17
• 1.2.3 融合多源遙感數(shù)據(jù)的研究方法17-18
• 1.3 本論文的研究內(nèi)容18-19
• 1.4 本論文結構安排19-21
• 第二章 雷達遙感基礎及影響分析21-30
• 2.1 雷達遙感基礎21-24
• 2.1.1 雷達方程21-22
• 2.1.2 雷達的后向散射系數(shù)22-23
• 2.1.3 雷達信號的極化方式23-24
• 2.2 雷達回波信號影響因素24-29
• 2.2.1 傳感器頻率24-25
• 2.2.2 入射角25
• 2.2.3 分辨率25-26
• 2.2.4 極化方式26
• 2.2.5 地表粗糙度26-27
• 2.2.6 土壤含水量27-28
• 2.2.7 植被含水量28-29
• 2.3 本章小結29-30
• 第三章 研究區(qū)概況與數(shù)據(jù)介紹30-41
• 3.1 研究區(qū)概況30-31
• 3.1.1 大興安嶺地區(qū)概況30
• 3.1.2 研究區(qū)位置30-31
• 3.2 研究區(qū)數(shù)據(jù)31-36
• 3.2.1 雷達遙感數(shù)據(jù)31-33
• 3.2.1.1 雷達數(shù)據(jù)介紹31-32
• 3.2.1.2 雷達數(shù)據(jù)預處理32-33
• 3.2.2 光學遙感數(shù)據(jù)33-34
• 3.2.2.1 Landsat5/TM數(shù)據(jù)介紹33
• 3.2.2.2 光學數(shù)據(jù)預處理33-34
• 3.2.3 地面實測數(shù)據(jù)34-36
• 3.2.3.1 實測數(shù)據(jù)分布34
• 3.2.3.2 地面實測數(shù)據(jù)34-35
• 3.2.3.3 氣象數(shù)據(jù)35-36
• 3.3 數(shù)據(jù)分析36-40
• 3.3.1 實測數(shù)據(jù)分析36-38
• 3.3.1.1 樹木相關參數(shù)36-37
• 3.3.1.2 地上生物量統(tǒng)計37
• 3.3.1.3 葉面積與樹木密度37-38
• 3.3.2 遙感數(shù)據(jù)分析38-40
• 3.3.2.1 后向散射系數(shù)與地上生物量38-39
• 3.3.2.2 光學植被指數(shù)與LAI39-40
• 3.4 本章小結40-41
• 第四章 雷達散射模型及其驗證41-58
• 4.1 PolSARproSIM模型41-44
• 4.1.1 模型介紹41-42
• 4.1.2 模型輸入?yún)?shù)42-43
• 4.1.3 模型輸出結果43-44
• 4.2 PolSARproSIM模型敏感性分析44-47
• 4.2.1 全局敏感性分析介紹44
• 4.2.2 EFAST方法44-46
• 4.2.3 模型參數(shù)敏感性46-47
• 4.3 PolSARproSIM模型本地化47-49
• 4.4 基于多光譜數(shù)據(jù)冠層參數(shù)獲取49-53
• 4.4.1 基于Four-Scale模型方法49-50
• 4.4.2 基于經(jīng)驗擬合的方法50-51
• 4.4.3 基于最小二乘方法51
• 4.4.4 冠層葉面積指數(shù)結果51-53
• 4.5 模型模擬與驗證53-57
• 4.5.1 模擬的場景生物量53-54
• 4.5.2 模擬的各散射分量54-56
• 4.5.3 模擬的后向散射系數(shù)56-57
• 4.6 本章小結57-58
• 第五章 森林生物量遙感估算方法58-63
• 5.1 研究區(qū)落葉松林分密度58-59
• 5.2 基于查找表樹木冠層高度估算59-60
• 5.3 落葉松地上生物量估算模型60-62
• 5.4 本章小結62-63
• 第六章 總結與展望63-66
• 6.1 內(nèi)容與結論63-64
• 6.2 創(chuàng)新點64
• 6.3 展望64-66
• 致謝66-67
• 參考文獻67-72
• 碩士期間科研與文章發(fā)表情況72-73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 王海鵬;金亞秋;大內(nèi)和夫;渡邊學;島田政信;;Pi-SAR極化數(shù)據(jù)與K分布指數(shù)估算森林生物量與實驗驗證[J];遙感學報;2008年03期

2 徐新良;曹明奎;;森林生物量遙感估算與應用分析[J];地球信息科學;2006年04期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 王海鵬;大內(nèi)和夫;金亞秋;;機載極化SAR數(shù)據(jù)對于苫小牧森林生物量的研究[A];第二屆微波遙感技術研討會摘要全集[C];2006年

2 王紅巖;高志海;王t+瑜;李世明;白黎娜;;基于SPOT5遙感影像豐寧縣森林生物量估測研究[A];第十七屆中國遙感大會摘要集[C];2010年

3 史玉峰;陳健;;雷達遙感技術在森林資源管理與監(jiān)測中的應用[A];第二屆中國林業(yè)學術大會——S3 森林經(jīng)理與林業(yè)信息化的新使命論文集[C];2009年

4 何紅艷;郭志華;趙憲文;;遙感在森林地上生物量估算中的現(xiàn)狀及展望[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 記者 王建蘭;森林生物量有了更精確測算技術[N];中國綠色時報;2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 高萌;基于數(shù)據(jù)挖掘的區(qū)域森林喬木層生物量估算與評價研究[D];東北林業(yè)大學;2015年

2 李明澤;東北林區(qū)森林生物量遙感估算及分析[D];東北林業(yè)大學;2010年

3 張海玉;張廣才嶺及完達山森林生物量遙感估測及變化驅(qū)動力分析[D];東北林業(yè)大學;2011年

4 仝慧杰;森林生物量遙感反演建�；A與方法研究[D];北京林業(yè)大學;2007年

5 岳彩榮;香格里拉縣森林生物量遙感估測研究[D];北京林業(yè)大學;2012年

6 王仲鋒;森林生物量建模與精度分析[D];北京林業(yè)大學;2006年

7 肖興威;中國森林生物量與生產(chǎn)力的研究[D];東北林業(yè)大學;2005年

8 韓愛惠;森林生物量及碳儲量遙感監(jiān)測方法研究[D];北京林業(yè)大學;2009年

9 程秋生;NDVI協(xié)同下森林生物量定量估算研究[D];北京林業(yè)大學;2013年

10 邢艷秋;基于RS和GIS東北天然林區(qū)域森林生物量及碳貯量估測研究[D];東北林業(yè)大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉磊;基于多源數(shù)據(jù)的森林生物量與生產(chǎn)力估算研究[D];南京林業(yè)大學;2010年

2 劉正顯;基于GWR模型的涼水自然保護區(qū)森林生物量空間分布研究[D];東北林業(yè)大學;2015年

3 林越;基于微波散射模型的森林生物量估算及模型可視化[D];哈爾濱師范大學;2016年

4 周亞爽;內(nèi)蒙古莫爾道嘎林區(qū)森林生物量遙感估算研究[D];北京林業(yè)大學;2016年

5 林岳峰;光學與雷達遙感數(shù)據(jù)聯(lián)合反演森林生物量方法研究[D];電子科技大學;2016年

6 張慧芳;北京地區(qū)森林植被生物量遙感反演及時空動態(tài)格局分析[D];北京林業(yè)大學;2008年

7 張元元;大興安嶺地區(qū)森林生物量遙感模型的研究[D];東北林業(yè)大學;2009年

8 榮婧;森林生物量及最優(yōu)采伐的非線性模型研究[D];北京林業(yè)大學;2006年

9 董宇;基于遙感信息估測將樂縣森林生物量的研究[D];北京林業(yè)大學;2012年

10 王軼夫;基于神經(jīng)網(wǎng)絡的森林生物量估測模型研究[D];北京林業(yè)大學;2013年

，

本文編號：957210