【摘要】：植被能夠滿足關(guān)鍵性的生態(tài)系統(tǒng)功能服務(wù)需求,在全球范圍發(fā)揮著非常重要的碳匯作用,是全球氣候變化研究中水-碳-氮循環(huán)研究的重要對象。植被遙感監(jiān)測可以對較大時間和空間尺度上的植被類型、森林面積、覆蓋率等信息進行獲取,并對其變化情況進行監(jiān)測,具有十分重要的意義。目前的植被遙感研究中,存在時間連續(xù)遙感信息缺乏、植被類型精細分類困難、植被覆蓋地面調(diào)查數(shù)據(jù)獲取困難、植被覆蓋度反演方法粗糙等一系列問題,是植被定量遙感研究的難點問題。針對這些研究需求,本文綜合采用物候參數(shù)擬合、多年時間序列數(shù)據(jù)合成、JSEG多尺度分割、機器學習等研究方法,提出了基于時間序列遙感數(shù)據(jù)的植被精細分類與覆蓋度反演方法,取得的主要結(jié)論如下:(1)基于MODIS時間序列數(shù)據(jù)的植被精細分類呼倫貝爾北部地區(qū)不同植被的物候信息有較明顯的特征,森林生長季最早開始(145-160 DOY),結(jié)束時間較早(250-275 DOY),草原生長季開始時間(160-170 DOY)略微滯后于森林,但總體生長季長度與森林持平;作物生長季開始時間較晚(170-195 DOY),結(jié)束時間較早(225-285 DOY),生長季短而集中;利用植被物候期關(guān)鍵參數(shù)進行決策樹分類,總體精度達到81%。(2)基于多年合成Landsat時間序列數(shù)據(jù)的植被精細分類廣東省常綠針葉林、常綠闊葉林和灌叢在1-3月份EVI值具有較為不同的變化趨勢,人工林、灌叢、常綠闊葉林在7-8月也具有不同的EVI特征,而農(nóng)田與其他植被覆蓋類型時間序列EVI區(qū)別較大,使用多年合成Landsat時間序列EVI數(shù)據(jù)的隨機森林分類方法總體精度達到80.03%。隨機森林特征參數(shù)重要性得分排序結(jié)果表明,廣東省植被冬季到春季物候變化特征是區(qū)分植被類型的重要決定因素,夏季物候信息和DEM信息也是區(qū)分不同植被類型以及區(qū)分植被和非植被的重要影響因素。(3)基于JSEG多尺度分割方法和無人機影像的森林植被覆蓋度提取不同的分割尺度對于解決不同的分割需求具有各自的優(yōu)勢,尺度-1有利于分割提取單個樹冠,而尺度-4則對于區(qū)分光照和陰影區(qū)域來說是最適宜的尺度;陰影區(qū)域的樹冠面積提取總體精度比光照區(qū)域的總體精度略差,濃密分布采樣點取得的樹冠面積提取總體精度要略低于稀疏分布采樣點的總體精度;在采用尺度-4的JSEG分割下,采用濾波窗口為9×9的開運算在全部4種種植密度和光照情況的組合中均取得了最優(yōu)的樹冠面積提取的總體精度,針對所有樣本點的樹冠面積提取總計精度達到90%。(4)基于多年合成Landsat時間序列數(shù)據(jù)的森林植被覆蓋度反演7月的EVI數(shù)據(jù)是植被覆蓋度逐步回歸反演的最適月度數(shù)據(jù);5月、9月的EVI數(shù)據(jù)也在植被覆蓋度逐步回歸反演中起到重要作用;5-8月EVI數(shù)據(jù)在植被覆蓋度隨機森林回歸反演中取得了較高的重要性得分,體現(xiàn)了夏季數(shù)據(jù)對于植被覆蓋度反演的重要性。隨機森林回歸常綠闊葉林和人工林植被覆蓋度相關(guān)性決定系數(shù)分別達到0.52和0.5,灌叢植被覆蓋度相關(guān)性決定系數(shù)為0.27;常綠針葉林支持向量機回歸反演取得較好效果,相關(guān)性決定系數(shù)為0.59。從分布上來看,常綠闊葉林所占比例隨著海拔高度的升高不斷增加,人工林所占比例隨著海拔高度的升高不斷減少,常綠針葉林所占比例隨海拔變化趨勢不明顯;廣東省植被覆蓋度空間差異性很大,無植被或者低植被覆蓋度部分主要分布在平原地區(qū),高植被覆蓋度部分主要分布在較高海拔地區(qū)。廣東省植被覆蓋度平均值最高的植被類型為人工林,其次為常綠闊葉林和常綠針葉林,而灌叢植被覆蓋度平均值最低。研究得到廣東省2014-2016年森林植被覆蓋率為52.46%,與第八次全國森林資源清查廣東省植被覆蓋率(51.26%)一致。通過以上研究內(nèi)容,本研究有效彌補了單一年份遙感數(shù)據(jù)時間序列信息的缺失,取得了植被精細分類總體精度的提升,顯著提高了復(fù)雜地表情況下陰影地區(qū)森林植被覆蓋度的提取精度,更加精準高效地獲得了森林植被覆蓋度反演結(jié)果。本研究為地表植被的精細分類和植被覆蓋度反演提供了更多的理論依據(jù)和方法參考。
【圖文】：

2.1 研究區(qū)概況2.1.1 內(nèi)蒙古自治區(qū)呼倫貝爾研究區(qū)基于MODIS時間序列數(shù)據(jù)的植被精細分類研究選取的研究區(qū)域為內(nèi)蒙古自治區(qū)呼倫貝爾根河市、額爾古納市（康峻等 2015；萬華偉等 2016），地處大興安嶺西北麓，呼倫貝爾草原北端，額爾古納河右岸。研究區(qū)具體位置如圖 2 所示，經(jīng)緯度范圍為 50°0′~53°20′N，119°8′~122°55′E，總面積 4.8 萬 km2。該地區(qū)屬于寒溫帶濕潤型森林氣候，年平均氣溫-1~-2°C，年平均降水量 350~370mm，年平均無霜期約為 130 天，作物熟制為一年一熟，主要種植作物為大麥、小麥、油菜等。該地區(qū)森林儲量豐富，主要樹種為落葉松（Larixgmelinii）、紅松（Pinuskoraiensis）、白樺（Betula platyphylla）等，具有較大面積的單一植被覆蓋分布和豐富的植被覆蓋物候變化信息，適宜利用遙感植被物候信息開展植被精細分類研究工作。

第 2 章 研究區(qū)概況和數(shù)據(jù)源范圍為20°09′-25°31′N，109°45′-117°20′E，總面積17.97萬km2。研究區(qū)屬于帶季風氣候，年平均氣溫13-28°C，，年平均降水量1500-2000mm，年平均無約為300天以上，作物熟制為一年兩熟到一年三熟，主要種植作物為水稻等。該地區(qū)森林儲量豐富，主要植被類型為油杉（Keteleeria fortunei）、馬（Pinus massoniana）等常綠針葉林，樟樹（Cinnamomum bodinieri）、栲樹Castanopsis fargesii）等常綠闊葉林，桉樹（Eucalyptus）、合歡樹（Albizia人工林以及桃金娘（Rhodomyrtus）、野牡丹（Paeonia delavayi）等其他灌植被分布，具有較大面積的單一植被覆蓋分布和豐富的植被覆蓋物候變化，適宜利用遙感植被物候信息開展植被精細分類研究工作。
【學位授予單位】：中國科學院大學(中國科學院遙感與數(shù)字地球研究所)
【學位級別】：博士
【學位授予年份】：2018
【分類號】：P237

【參考文獻】

相關(guān)期刊論文 前10條

1 柴子為;康峻;王力;趙昕;喬海浪;;基于無人機影像的山地人工林景觀DEM構(gòu)建[J];遙感技術(shù)與應(yīng)用;2015年03期

2 徐濟德;;我國第八次森林資源清查結(jié)果及分析[J];林業(yè)經(jīng)濟;2014年03期

3 賈坤;姚云軍;魏香琴;高帥;江波;趙祥;;植被覆蓋度遙感估算研究進展[J];地球科學進展;2013年07期

4 夏傳福;李靜;柳欽火;;植被物候遙感監(jiān)測研究進展[J];遙感學報;2013年01期

5 侯學會;牛錚;高帥;黃妮;;基于SPOT-VGT NDVI時間序列的農(nóng)牧交錯帶植被物候監(jiān)測[J];農(nóng)業(yè)工程學報;2013年01期

6 郝鵬宇;牛錚;王力;王秀蘭;王長耀;;基于歷史時序植被指數(shù)庫的多源數(shù)據(jù)作物面積自動提取方法[J];農(nóng)業(yè)工程學報;2012年23期

7 潘耀忠;李樂;張錦水;梁順林;侯東;;基于典型物候特征的MODIS-EVI時間序列數(shù)據(jù)農(nóng)作物種植面積提取方法——小區(qū)域冬小麥實驗研究[J];遙感學報;2011年03期

8 張戈麗;徐興良;周才平;張宏斌;歐陽華;;近30年來呼倫貝爾地區(qū)草地植被變化對氣候變化的響應(yīng)[J];地理學報;2011年01期

9 張喜旺;劉劍鋒;張波;;伊洛河流域植被覆蓋空間分異研究[J];黑龍江農(nóng)業(yè)科學;2010年10期

10 劉慶鳳;劉吉平;宋開山;;基于MODIS/NDVI時序數(shù)據(jù)的土地覆蓋分類[J];中國科學院研究生院學報;2010年02期

本文編號：2665382