發(fā)布時(shí)間：2017-04-27 06:09

  本文關(guān)鍵詞：基于多源遙感數(shù)據(jù)的森林蓄積量估算，，由筆耕文化傳播整理發(fā)布。

【摘要】：森林是全球生態(tài)系統(tǒng)的重要組成部分,在全球碳循環(huán)中發(fā)揮重要作用。利用遙感技術(shù)對(duì)森林蓄積量/生物量進(jìn)行估測,對(duì)森林碳儲(chǔ)量的空間分布和動(dòng)態(tài)變化進(jìn)行實(shí)時(shí)監(jiān)測具有重要意義。當(dāng)前,微波遙感與光學(xué)遙感已廣泛應(yīng)用在反演森林參數(shù)方面。高分辨率遙感影像的光譜波段信息較少,但其影像空間信息量較大,可以更好地反應(yīng)地物的結(jié)構(gòu)特點(diǎn)與規(guī)律,有助于分析森林結(jié)構(gòu)參數(shù)。SAR雷達(dá)數(shù)據(jù)可以實(shí)現(xiàn)全天候全天時(shí)對(duì)地觀測,不受外界環(huán)境等因素影響,其中L波段信號(hào)可以穿透樹木枝葉更好地獲取樹干信息,對(duì)于反演森林蓄積量有重大意義。本文基于高分辨率遙感影像和SAR雷達(dá)數(shù)據(jù),以福建省三明市將樂國有林場為試驗(yàn)區(qū),探究針葉林、闊葉林蓄積量反演的新方法。首先,提取高分辨率遙感影像的紋理特征值,利用篩選后的紋理因子建立針葉林、闊葉林蓄積量估測模型。其次,基于SAR雷達(dá)數(shù)據(jù)L波段的后向散射信號(hào)反演針葉林、闊葉林的蓄積量。最后,聯(lián)合雷達(dá)數(shù)據(jù)和高分辨率影像構(gòu)建線性、非線性蓄積量反演模型。主要研究內(nèi)容和結(jié)果如下：1.利用資源三號(hào)衛(wèi)星影像紋理特征值反演蓄積量�；诨叶裙采仃囂崛≠Y源三號(hào)影像的紋理特征值,分別選取與針葉林、闊葉林蓄積量呈顯著相關(guān)的紋理特征值,建立蓄積量模型。得到針葉林模型的相關(guān)系數(shù)為0.871,估測精度為78.94%,均方根誤差為27.50t/hm2；闊葉林模型的相關(guān)系數(shù)為0.702,估測精度為67.84%,均方根誤差為36.81t/hm2。針葉林的反演效果好于闊葉林。2.利用ALOS PALSAR極化雷達(dá)數(shù)據(jù)的后向散射參數(shù)反演蓄積量。提取L波段不同極化方式下雷達(dá)數(shù)據(jù)的后向散射系數(shù)及其比值,分析不同林分蓄積量與雷達(dá)參數(shù)的相關(guān)性,并建立回歸模型和指數(shù)模型。分析比較得出：針葉林線性回歸模型的估測效果較好,模型的相關(guān)系數(shù)為0.783,預(yù)估精度為78.37%,均方根誤差為28.31 t/hm2；闊葉林指數(shù)模型的估測效果好,模型的相關(guān)系數(shù)為0.734,預(yù)估精度為73.49%,均方根誤差為29.11 t/hm2。3.利用資源三號(hào)衛(wèi)星影像與雷達(dá)數(shù)據(jù)聯(lián)合反演蓄積量。結(jié)合資源三號(hào)數(shù)據(jù)的紋理特征值與雷達(dá)數(shù)據(jù)的后向散射系數(shù),分別建立針葉林、闊葉林的聯(lián)合反演模型,通過構(gòu)建多元逐步回歸、偏最小二乘和BP人工神經(jīng)網(wǎng)絡(luò)模型。分析比較顯示：針葉林逐步回歸模型效果最好,模型相關(guān)系數(shù)為0.898,預(yù)估精度為83.07%,均方根誤差為20.45t/hm2；闊葉林BP神經(jīng)網(wǎng)絡(luò)模型最好,預(yù)估精度為80.14%,均方根誤差為21.42t/hm2。聯(lián)合反演模型較單一數(shù)據(jù)源模型在一定程度上有效提高了針葉林、闊葉林蓄積量的估算精度。
【關(guān)鍵詞】：資源三號(hào) ALOS PALSAR 紋理特征 后向散射 蓄積量估測
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：S718.5;P237
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 1. 緒論10-18
• 1.1 研究背景10
• 1.2 國內(nèi)外研究進(jìn)展10-14
• 1.2.1 單一遙感數(shù)據(jù)源估算森林蓄積量研究進(jìn)展10-13
• 1.2.2 多源遙感數(shù)據(jù)估算森林蓄積量研究進(jìn)展13-14
• 1.3 項(xiàng)目來源與經(jīng)費(fèi)支持14-15
• 1.4 研究目的與研究內(nèi)容15
• 1.4.1 研究目的15
• 1.4.2 研究內(nèi)容15
• 1.5 技術(shù)路線15-18
• 2. 研究區(qū)概況與數(shù)據(jù)獲取18-28
• 2.1 研究區(qū)概況18-19
• 2.1.1 地理位置18
• 2.1.2 森林資源18-19
• 2.1.3 氣候特征19
• 2.2 數(shù)據(jù)獲取19-22
• 2.2.1 資源三號(hào)高分辨率影像數(shù)據(jù)19-20
• 2.2.2 極化雷達(dá)遙感影像數(shù)據(jù)20-22
• 2.2.3 地面數(shù)據(jù)22
• 2.3 數(shù)據(jù)預(yù)處理22-28
• 2.3.1 極化雷達(dá)數(shù)據(jù)預(yù)處理22-24
• 2.3.2 資源三號(hào)高分辨率影像預(yù)處理24-27
• 2.3.3 外業(yè)數(shù)據(jù)處理27-28
• 3. 基于資源三號(hào)數(shù)據(jù)的林分蓄積量估算28-42
• 3.1 資源三號(hào)紋理特征的提取28-30
• 3.2 樣本數(shù)據(jù)預(yù)處理30
• 3.3 資源三號(hào)高分影像對(duì)森林蓄積量的響應(yīng)特征分析30-41
• 3.3.1 基于灰度共生矩陣的紋理特征值和蓄積量之間的關(guān)系30-34
• 3.3.2 基于資源三號(hào)衛(wèi)星紋理特征值估算蓄積量34-41
• 3.4 本章小結(jié)41-42
• 4. 基于ALOS PALSAR數(shù)據(jù)的林分蓄積量估算42-46
• 4.1 極化SAR參數(shù)與森林蓄積量的相關(guān)性分析42-43
• 4.2 極化SAR估測森林蓄積量模型建立及精度評(píng)價(jià)43-44
• 4.3 基于SAR數(shù)據(jù)多元線性估測模型44-45
• 4.4 本章小結(jié)45-46
• 5. 基于多源遙感數(shù)據(jù)的林分蓄積量估測46-58
• 5.1 協(xié)同反演估測的意義46
• 5.2 基于資源三號(hào)影像和PALSAR影像的多元回歸協(xié)同反演46-49
• 5.2.1 針葉林、闊葉林蓄積量反演模型46-47
• 5.2.2 模型分析與檢驗(yàn)47-49
• 5.3 基于資源三號(hào)影像和PALSAR影像的偏最小二乘協(xié)同反演49-52
• 5.3.1 建立針葉林、闊葉林偏最小二乘模型50-51
• 5.3.2 模型檢驗(yàn)與比較51-52
• 5.4 基于資源三號(hào)影像和PALSAR影像的人工神經(jīng)網(wǎng)絡(luò)協(xié)同反演52-56
• 5.4.1 BP人工神經(jīng)網(wǎng)絡(luò)52
• 5.4.2 基于BP神經(jīng)網(wǎng)絡(luò)的針葉林、闊葉林蓄積量反演52-55
• 5.4.3 模型檢驗(yàn)與比較55-56
• 5.5 三種多源數(shù)據(jù)協(xié)同反演蓄積量比較分析56
• 5.6 本章小結(jié)56-58
• 6. 結(jié)論與討論58-60
• 6.1 結(jié)論58-59
• 6.2 討論59-60
• 參考文獻(xiàn)60-64
• 個(gè)人簡介64-65
• 導(dǎo)師簡介65-66
• 個(gè)人成果簡介66-67
• 致謝67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 詹總謙;來冰華;萬杰;李樓;;一種利用紋理特征和樸素貝葉斯分類器檢測近景影像植被的方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年06期

2 黃春龍;邢立新;韓冬;;基于紋理特征的水系信息提取[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2008年S1期

3 張慧;王宏琦;孫顯;;結(jié)合顏色和紋理特征的樹冠提取方法[J];光學(xué)技術(shù);2008年04期

4 張礫;;輔以紋理特征的洪澤湖濕地信息提取[J];遙感信息;2010年03期

5 耿國華;王克剛;李康;;基于色彩紋理特征的圖像分類及應(yīng)用[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

6 王晶;劉湘南;;引入紋理特征的多光譜遙感影像海面油膜信息提取[J];海洋通報(bào);2013年04期

7 張睿;張繼賢;李海濤;;基于角度紋理特征及剖面匹配的高分辨率遙感影像帶狀道路半自動(dòng)提取[J];遙感學(xué)報(bào);2008年02期

8 汪華章;;基于紋理特征的巖屑圖像識(shí)別[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

9 劉健;余坤勇;許章華;李國清;繆麗娟;沈建文;;竹資源專題信息提取紋理特征量構(gòu)建研究[J];遙感信息;2010年06期

10 王麗濤;王世新;周藝;劉文亮;王峰;王福濤;;基于紋理特征的高分辨率遙感影像災(zāi)害監(jiān)測應(yīng)用[J];災(zāi)害學(xué);2014年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 田學(xué)東;郭寶蘭;;基于紋理特征的版式識(shí)別研究[A];輝煌二十年——中國中文信息學(xué)會(huì)二十周年學(xué)術(shù)會(huì)議論文集[C];2001年

2 殷積東;劉博;王少輝;;基于粗糙集理論和關(guān)聯(lián)規(guī)則的腐蝕區(qū)域紋理特征檢測算法研究[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國圖象圖形學(xué)會(huì)第十屆全國圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 龔紅菊;姬長英;;基于紋理特征的麥穗產(chǎn)量測量方法研究[A];2007年中國農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)專刊[C];2009年

8 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應(yīng)用探討[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

9 秦健;李濤;;基于Contourlet變換提取云的旋轉(zhuǎn)不變紋理特征[A];2009第五屆蘇皖兩省大氣探測、環(huán)境遙感與電子技術(shù)學(xué)術(shù)研討會(huì)專輯[C];2009年

10 張樹恒;陽維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識(shí)別[A];中華醫(yī)學(xué)會(huì)2010年全國變態(tài)反應(yīng)學(xué)術(shù)會(huì)議暨中歐變態(tài)反應(yīng)高峰論壇參會(huì)指南/論文匯編[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 夏瑜;基于結(jié)構(gòu)的紋理特征及應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2014年

2 李伯宇;圖像紋理分析及分類方法研究[D];復(fù)旦大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊秀娟;基于紋理特征的圖像檢索研究[D];西安科技大學(xué);2009年

2 茍吉祥;基于多尺度紋理特征的性別識(shí)別技術(shù)的研究[D];蘭州大學(xué);2013年

3 楊雪琴;圖像模式的形態(tài)和紋理特征研究及其在尿沉渣有形成分識(shí)別中的應(yīng)用[D];重慶大學(xué);2010年

4 郭金鴿;基于紋理特征的醫(yī)學(xué)圖像檢索技術(shù)的研究與應(yīng)用[D];內(nèi)蒙古科技大學(xué);2012年

5 胡德鳳;基于紋理特征圖像分割的研究[D];合肥工業(yè)大學(xué);2013年

6 吳智德;基于紋理特征與高性能分類器的計(jì)算機(jī)輔助檢測[D];第四軍醫(yī)大學(xué);2011年

7 胡永芳;基于紋理特征的鋼板表面缺陷檢測技術(shù)研究[D];昆明理工大學(xué);2012年

8 鄭曉霞;基于紋理特征的圖像檢索技術(shù)研究[D];哈爾濱工程大學(xué);2008年

9 樓吉林;基于顏色和紋理特征的道路網(wǎng)絡(luò)自動(dòng)提取技術(shù)研究[D];浙江工業(yè)大學(xué);2007年

10 黃麗達(dá);基于紋理特征的圖像檢索技術(shù)研究[D];湖南大學(xué);2005年

  本文關(guān)鍵詞：基于多源遙感數(shù)據(jù)的森林蓄積量估算，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：330051