發(fā)布時間：2020-04-27 12:21

【摘要】：準確估測森林地上生物量(above-ground biomass,AGB)對全球碳循環(huán)和氣候變化研究具有重要意義。綜合利用多源遙感數(shù)據(jù)及其派生特征因子(如植被指數(shù)、紋理、K-T變換因子、地形因子等)可以在一定程度上提高森林生物量估測精度,但利用多源遙感數(shù)據(jù)及其派生特征因子通常會伴有數(shù)據(jù)維度高,信息冗余,易造成估測模型過擬合等問題,目前該領(lǐng)域仍缺少一種穩(wěn)定、高效的針對森林生物量遙感建模的特征優(yōu)選方法。為了能夠有效利用高維遙感特征進行森林AGB估測,本文提出基于快速迭代特征選擇的k最近鄰法(k-nearestneighborwithfast iterative features selection,KNN-FIFS)。KNN-FIFS 以森林資源樣地調(diào)查數(shù)據(jù)計算的森林AGB為參考,以留—法交叉驗證(leave-one-outcross-validation,LOO)相應(yīng)的k-NN(k-nearest neighbor)模型反演的森林AGB均方根誤差(root mean square error,RMSE)最小為原則,依次迭代選取遙感特征,從而優(yōu)化區(qū)域森林AGB的k-NN估測模型。本文以內(nèi)蒙古大興安嶺根河森林保護區(qū)為研究區(qū),結(jié)合1)Landsat-8 OLI(operational land imager)各波段光譜信息;2)植被指數(shù);3)K-T變換因子;4)紋理;5)地形因子;6)機載合成孔徑雷達(synthetic aperture radar,SAR)P-波段HV極化后向散射強度信息(PHV)以及森林資源樣地調(diào)查數(shù)據(jù),利用KNN-FIFS方法進行研究區(qū)森林AGB估測,并與參數(shù)化特征優(yōu)選建模方法(多元線性逐步回歸)和非參機器學習方法(Pearson相關(guān)系數(shù)特征選擇+k-NN建模,隨機森林特征選擇+k-NN建模以及支持向量機)對比分析。研究結(jié)果表明基于KNN-FIFS方法的森林AGB估測精度(R2=0.77,RMSE=22.74t·ha-1)優(yōu)于多元線性逐步回歸(R2=0.53,RMSE=32.37 t·ha-1)、Pearson相關(guān)系數(shù)特征選擇+k-NN建模(R2=0.60,RMSE=30.58 t·ha-1)、隨機森林特征選擇 +k-NN 建模(R2=0.63,RMSE=28.54t·ha-1)以及支持向量機(R2=0.66,RMSE=27.70t·ha-1)等估測精度。通過快速迭代特征選擇,KNN-FIFS方法可以從高維度遙感特征因子中高效、穩(wěn)定的選取相關(guān)特征進行森林AGB優(yōu)化建模;另外,KNN-FIFS方法實現(xiàn)了森林AGB遙感估測從特征優(yōu)選建模到區(qū)域反演全過程的自動化,也為大區(qū)域森林AGB和其它森林參數(shù)遙感估測提供了一種可能的業(yè)務(wù)化運行方法。
【圖文】：

圖１－１總體技術(shù)路線圖逡逑Ｆｉｇ．邋１－１邋Ｆｌｏｗｃｈａｒｔ邋ｏｆ邋ｏｖｅｒａｌｌ邋ｔｅｃｈｎｉｑｕｅ邋ｒｏｕｔｅ逡逑

第二章研究區(qū)概況及試驗數(shù)據(jù)逡逑２．邋１研究區(qū)概況逡逑大興安嶺根河森林保護區(qū)位于內(nèi)蒙古自治區(qū)呼倫貝爾北部（圖２－１），地理范逡逑圍邋１２１°邋３０Ｍ２１。３１’Ｅ，５０°邋４９？？５０°邋５１Ｗ；該區(qū)域海拔約邋８００￣１１００ｍ，地勢起逡逑伏相對較平緩且河網(wǎng)發(fā)育，８０％以上為坡度為１５°的緩坡；保護區(qū)地處寒溫帶濕逡逑潤型氣候區(qū)，并且有大陸季風氣候的一些特性，氣候寒冷濕潤；降水主要集中在逡逑７－８月份，年降水量約４５０？５００ｍｍ，，無霜期平均為９０山平均氣溫－５．３°Ｃ，氣溫日逡逑較差大，最高達２０°Ｃ，極端最低氣溫－５５°Ｃ，年較差４７．４°Ｃ；該區(qū)域結(jié)凍期較長，逡逑平均每年結(jié)凍期在２１０邋ｄ左右，整個境內(nèi)遍布永凍層；保護區(qū)森林覆蓋率達９０％逡逑以上，以興安落葉松構(gòu)成的明亮針葉林為主要森林類型，優(yōu)勢逡逑樹種為興安落葉松，伴生樹種為白樺山楊逡逑等。逡逑１１５ｏ（Ｔ０＂Ｅ邐１２０ｏ（Ｔ０＂Ｅ邐１２５°（Ｖ０”Ｅ邐１３０°（Ｔ０＂Ｅ邐１３５°（Ｔ０”Ｅ邐１２１ｏ２５，０＂Ｅ邐１２１。３０．０＂￡邐１２１°３５，０＞，逡逑
【學位授予單位】：福州大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S718.556;S771.8

【參考文獻】

相關(guān)期刊論文 前8條

1 徐婷;曹林;申鑫;佘光輝;;基于機載激光雷達與Landsat 8 OLI數(shù)據(jù)的亞熱帶森林生物量估算[J];植物生態(tài)學報;2015年04期

2 李明陽;余超;張密芳;胡曼;;紫金山風景林生物量及其驅(qū)動因素時間軌跡分析[J];北京林業(yè)大學學報;2015年02期

3 李德仁;王長委;胡月明;劉曙光;;遙感技術(shù)估算森林生物量的研究進展[J];武漢大學學報(信息科學版);2012年06期

4 張志;田昕;陳爾學;何祺勝;;森林地上生物量估測方法研究綜述[J];北京林業(yè)大學學報;2011年05期

5 王斌;劉某承;張彪;;基于森林資源清查資料的森林植被凈生產(chǎn)量及其動態(tài)變化研究[J];林業(yè)資源管理;2009年01期

6 國慶喜,張鋒;基于遙感信息估測森林的生物量[J];東北林業(yè)大學學報;2003年02期

7 方精云,陳安平;中國森林植被碳庫的動態(tài)變化及其意義[J];植物學報;2001年09期

8 張會儒,唐守正,王奉瑜;與材積兼容的生物量模型的建立及其估計方法研究[J];林業(yè)科學研究;1999年01期

本文編號：2642251