發(fā)布時(shí)間：2017-10-02 03:11

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

  更多相關(guān)文章： Landsat5/TM ALOS/PALSAR 興安落葉松 三維相干雷達(dá)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(duì)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(píng)估指標(biāo),也是反映森林生態(tài)環(huán)境的重要因子。同時(shí),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(shù)具備快速、準(zhǔn)確、對(duì)目標(biāo)無破壞性并能進(jìn)行宏觀監(jiān)測(cè)的優(yōu)勢(shì),使其為大尺度森林生物量的估測(cè)和高時(shí)間分辨率的動(dòng)態(tài)變化研究提供了便捷的途徑。同時(shí),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(xué)數(shù)據(jù)和激光雷達(dá)數(shù)據(jù)有效地結(jié)合使用,實(shí)現(xiàn)對(duì)森林生物量及其他森林結(jié)構(gòu)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(shí)現(xiàn)落葉松地上生物量估算,針對(duì)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(dá)數(shù)據(jù)與多光譜TM數(shù)據(jù)對(duì)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(shí)現(xiàn)了利用森林三維相干雷達(dá)散射模型對(duì)生物量和其他森林參數(shù)的估算。研究結(jié)果表明,在物理機(jī)理模型基礎(chǔ)上,融合微波與光學(xué)遙感數(shù)據(jù)對(duì)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(shì),具有一定的適用性。本研究取得的主要成果與結(jié)論如下:1.多光譜遙感數(shù)據(jù)對(duì)森林植被冠層水平信息的獲取具有一定的優(yōu)勢(shì),利用Landsat5/TM數(shù)據(jù)實(shí)現(xiàn)對(duì)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(gòu)建估算該森林地區(qū)最佳LAI估算模型,通過對(duì)比其他方法的估算結(jié)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(duì)PolSARproSIM雷達(dá)散射模型復(fù)雜的輸入?yún)?shù)進(jìn)行全局敏感性分析,強(qiáng)化了對(duì)雷達(dá)模型的認(rèn)識(shí)并簡(jiǎn)化了復(fù)雜的輸入?yún)?shù)。對(duì)于PALSAR傳感器(1.27GHz)而言,雷達(dá)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(xué)遙感數(shù)據(jù)提取的森林冠層結(jié)構(gòu)信息(LAI)與樣地實(shí)測(cè)數(shù)據(jù),實(shí)現(xiàn)了對(duì)Pol SARpro SIM模型進(jìn)行本地化。模型模擬與實(shí)際森林場(chǎng)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(jī)制對(duì)模型本地化過程進(jìn)行模擬與驗(yàn)證,結(jié)果表明雷達(dá)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(guān)森林生物量參數(shù)查找表,同時(shí)構(gòu)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(guān)系數(shù)達(dá)到0.826,回歸模型的確定系數(shù)2達(dá)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(guān)鍵詞】：Landsat5/TM ALOS/PALSAR 興安落葉松 三維相干雷達(dá)散射模型 葉面積指數(shù) 地上生物量
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(shì)13-18
• 1.2.1 基于光學(xué)遙感數(shù)據(jù)的研究方法13-14
• 1.2.2 基于雷達(dá)遙感數(shù)據(jù)的研究方法14-17
• 1.2.2.1 基于雷達(dá)數(shù)據(jù)經(jīng)驗(yàn)?zāi)Ｐ头囱?/span>14-15
• 1.2.2.2 基于微波物理機(jī)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(jié)構(gòu)安排19-21
• 第二章 雷達(dá)遙感基礎(chǔ)及影響分析21-30
• 2.1 雷達(dá)遙感基礎(chǔ)21-24
• 2.1.1 雷達(dá)方程21-22
• 2.1.2 雷達(dá)的后向散射系數(shù)22-23
• 2.1.3 雷達(dá)信號(hào)的極化方式23-24
• 2.2 雷達(dá)回波信號(hào)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(jié)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(dá)遙感數(shù)據(jù)31-33
• 3.2.1.1 雷達(dá)數(shù)據(jù)介紹31-32
• 3.2.1.2 雷達(dá)數(shù)據(jù)預(yù)處理32-33
• 3.2.2 光學(xué)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(xué)數(shù)據(jù)預(yù)處理33-34
• 3.2.3 地面實(shí)測(cè)數(shù)據(jù)34-36
• 3.2.3.1 實(shí)測(cè)數(shù)據(jù)分布34
• 3.2.3.2 地面實(shí)測(cè)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(shí)測(cè)數(shù)據(jù)分析36-38
• 3.3.1.1 樹木相關(guān)參數(shù)36-37
• 3.3.1.2 地上生物量統(tǒng)計(jì)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(xué)植被指數(shù)與LAI39-40
• 3.4 本章小結(jié)40-41
• 第四章 雷達(dá)散射模型及其驗(yàn)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(jié)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(yàn)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(jié)果51-53
• 4.5 模型模擬與驗(yàn)證53-57
• 4.5.1 模擬的場(chǎng)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(jié)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(jié)62-63
• 第六章 總結(jié)與展望63-66
• 6.1 內(nèi)容與結(jié)論63-64
• 6.2 創(chuàng)新點(diǎn)64
• 6.3 展望64-66
• 致謝66-67
• 參考文獻(xiàn)67-72
• 碩士期間科研與文章發(fā)表情況72-73

【相似文獻(xiàn)】

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(xué);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(shí)驗(yàn)驗(yàn)證[J];遙感學(xué)報(bào);2008年03期

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

3 ;[J];;年期

中國重要會(huì)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(jī)載極化SAR數(shù)據(jù)對(duì)于苫小牧森林生物量的研究[A];第二屆微波遙感技術(shù)研討會(huì)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(cè)研究[A];第十七屆中國遙感大會(huì)摘要集[C];2010年

3 史玉峰;陳健;;雷達(dá)遙感技術(shù)在森林資源管理與監(jiān)測(cè)中的應(yīng)用[A];第二屆中國林業(yè)學(xué)術(shù)大會(huì)——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(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

中國重要報(bào)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(cè)算技術(shù)[N];中國綠色時(shí)報(bào);2013年

中國博士學(xué)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(píng)價(jià)研究[D];東北林業(yè)大學(xué);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(xué);2010年

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

4 仝慧杰;森林生物量遙感反演建模基礎(chǔ)與方法研究[D];北京林業(yè)大學(xué);2007年

5 岳彩榮;香格里拉縣森林生物量遙感估測(cè)研究[D];北京林業(yè)大學(xué);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(xué);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(xué);2005年

8 韓愛惠;森林生物量及碳儲(chǔ)量遙感監(jiān)測(cè)方法研究[D];北京林業(yè)大學(xué);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(xué);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(cè)研究[D];東北林業(yè)大學(xué);2005年

中國碩士學(xué)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(xué);2010年

2 劉正顯;基于GWR模型的涼水自然保護(hù)區(qū)森林生物量空間分布研究[D];東北林業(yè)大學(xué);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(xué);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(xué);2016年

5 林岳峰;光學(xué)與雷達(dá)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(xué);2016年

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

7 張?jiān)?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(xué);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(xué);2006年

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

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

，

本文編號(hào)：957210