【摘要】：森林健康評價是森林經(jīng)營管理的重要依據(jù),然而在傳統(tǒng)森林健康研究中主要依靠野外實地調(diào)查,在數(shù)據(jù)收集過程中費時費力,且難以實現(xiàn)大范圍有效監(jiān)測。近年來大量研究表明,遙感數(shù)據(jù)與森林資源的數(shù)量、結(jié)構(gòu)、功能等指標具有較好的相關(guān)性,在正確理解森林健康內(nèi)涵的基礎(chǔ)上,利用遙感技術(shù)具有宏觀性、時效性和高效性等優(yōu)點是進行森林健康研究的理想手段。本文主要目的是建立一套森林健康量化指標體系,并分析基于SPOT-5遙感影像光譜和紋理特征預(yù)估森林健康指數(shù)的效果,為森林健康調(diào)查提供理論依據(jù)。以第七次全國森林資源連續(xù)清查數(shù)據(jù)和SPOT-5遙感數(shù)據(jù)為數(shù)據(jù)源,以影像覆蓋區(qū)域為研究對象,根據(jù)研究區(qū)域的特點和森林生態(tài)系統(tǒng)的健康特征,選取林分平均胸徑、林分平均斷面積、林分密度、林分蓄積量、Simpson指數(shù)、Shannon-Wiener指數(shù)、Pielou均勻度指數(shù)、混交度、基尼系數(shù)、胸徑的標準差、角尺度、土壤厚度和郁閉度,共計13個林分定量指標構(gòu)建森林健康評價指標體系,采用因子分析法確定各評價指標權(quán)重,最終提取出4個公因子,分別代表物種多樣性、林分競爭狀態(tài)、樹木大小多樣性、林地土壤,相對權(quán)重分別為F1=0.337,F2=0.314,F3=0.247,F4=0.102。計算出的森林健康指數(shù)經(jīng)過正態(tài)檢驗后服從正態(tài)分布,使用正態(tài)等距分析法把森林健康劃分成健康、亞健康、中健康、不健康4個等級。研究表明,研究區(qū)域內(nèi)不健康林分占11.8%;中健康林分占44.1%;亞健康林分占30.5%;健康林分占13.6%。整體上研究區(qū)域森林的健康程度不高,中健康和亞健康林分占多數(shù)。在遙感影像預(yù)處理的基礎(chǔ)上,使用ENVI軟件提取研究樣地的SPOT-5影像光譜信息、植被指數(shù)以及9個不同窗口下的八種GLCM紋理特征變量。通過Pearson相關(guān)分析,計算不同窗口下紋理特征變量與森林健康指數(shù)的相關(guān)系數(shù),發(fā)現(xiàn)大部分相關(guān)系數(shù)都在13×13窗口達到峰值,因此選取13×13窗口下提取的紋理信息進行森林健康遙感估測模型的構(gòu)建。通過LASSO回歸算法篩選從影像中提取的21個遙感特征因子變量,發(fā)現(xiàn)當變量數(shù)為7時,均方誤差平均值最小,此時篩選出的最優(yōu)自變量組合為全色波段的表面平均反射率(mean_pan)、短紅外波段的表面平均反射率(mean swir)、水分脅迫指數(shù)(MSI)、簡單比值植被指數(shù)(SR)、GLCM紋理特征變量中的均值(Mean)、方差(Variance)和同質(zhì)性(Homogeneity)。將總體樣本數(shù)據(jù)按照7:3比例隨機分為訓(xùn)練集樣本40個與測試集樣本17個,利用篩選出的7個自變量,在訓(xùn)練集上分別使用多元線性回歸、偏最小二乘回歸、支持向量機和隨機森林四種算法,建立四種森林健康估測模型,在測試集樣本上采用決定系數(shù)(R2)、均方根誤差(RMSE)、誤差平均值(AE)和估測精度(EA)作為評價森林健康模型精度的基本指標。比較可知,利用支持向量機算法建立的估測模型估測精度最高,達到76.94%,決定系數(shù)R2為0.796,均方根誤差為1.225,誤差平均值為0.995;其次為隨機森林算法,決定系數(shù)R2為0.732,均方根誤差為1.397,誤差平均值為1.172,估測精度為73.71%;偏最小二乘回歸模型決定系數(shù)R2為0.597,均方根誤差為1.713,誤差平均值為1.464,估測精度為67.75%;多元線性回歸在四種算法中相對來說表現(xiàn)較差,決定系數(shù)R2為0.528,均方根誤差為1.854,誤差平均值為1.586,估測精度為65.09%,說明用支持向量機算法建立的森林健康估測模型具有較好的應(yīng)用前景,兩種傳統(tǒng)方法與機器學(xué)習(xí)方法的建模結(jié)果相比較,機器學(xué)習(xí)優(yōu)于傳統(tǒng)回歸方法。
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：S750;TP751
【圖文】：

２研究區(qū)概況及研究數(shù)據(jù)逡逑２．１研究區(qū)概況逡逑研究區(qū)位于湘西，湖南省西北部（圖２．１），地處東經(jīng)１０９°４０＇－１１１°２０＇，北緯２８Ｈ５２、逡逑２９°４８＇，遙感影像覆蓋張家界市部分區(qū)域及其周圍的部分縣市。張家界市位于云貴高逡逑原與洞庭湖平原的結(jié)合地區(qū)，屬武陵山脈腹地，中亞熱帶山原型季風(fēng)性濕潤氣候，總逡逑面積為９６５３ｋｍ２，年平均日照時長１４４０ｈ，年平均氣溫１６．８°Ｃ，年平均降水量１４００ｍｍ，逡逑地形地貌復(fù)雜多樣，主要有山地、巖溶、丘陵、崗地和平原等，山地面積占總面積的逡逑７６％，其中石英砂巖峰林地貌最具特色，為世界罕見。市境地貌以山地為主，地勢西逡逑北高，沿澧水向東南傾斜，海拔高度在７５－１８９１ｍ。張家界市有林業(yè)用地面積１０１２畝，逡逑森林覆蓋率達６４．６１％，名列湖南省第一，境內(nèi)有木本植物１０６科３２０屬８５０種，有逡逑珙桐、光葉珙桐、紅豆杉、水杉、銀杏等國家一級保護樹種。逡逑＂＜ｒｏｔｎ邐ｉｉ２ｗｉ邐ｉｎｔｎｎ逡逑＼１逡逑攀＿＿

各等級進行劃分。逡逑本研宄對計算得到的各樣地最終森林健康綜合指數(shù)進行Ｑ－Ｑ圖分析，并利用Ｋ－逡逑Ｓ法進行正態(tài)檢驗，分析結(jié)果如圖４．１和表４．７所示，所有樣本點近似在一條直線附逡逑近，單樣本Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｍｏｖ檢驗中相應(yīng)的顯著性水平為０．８３１＞０．０５，說明數(shù)據(jù)逡逑符合正態(tài)分布。因此，本研宄根據(jù)區(qū)域特點和實際情況，參考國家森林資源連續(xù)清查逡逑調(diào)查技術(shù)規(guī)程（陳雪峰

圖４．２研宄區(qū)域森林健康評價結(jié)果逡逑Ｆｉｇｕｒｅ邋４．２邋Ｒｅｓｅａｒｃｈ邋ａｒｅａ邋ｆｏｒｅｓｔ邋ｈｅａｌｔｈ邋ａｓｓｅｓｓｍｅｎｔ邋ｒｅｓｕｌｔｓ逡逑根據(jù)森林健康劃分等級對研宄區(qū)域內(nèi)的森林進行健康評價，結(jié)果如圖４．２所示，逡逑不健康林分占１１．８％；中健康林分占４４．１％；亞健康林分占３０．５％；健康林分占１３．６％。逡逑整體上研宄區(qū)域內(nèi)的森林健康程度不高，中健康和亞健康林分占多數(shù)。逡逑２２逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 史良樹;杜紀山;譚炳香;;SPOT-5數(shù)據(jù)在退耕還林監(jiān)測中的應(yīng)用研究——以山西省古交市嘉樂泉鄉(xiāng)為例[J];林業(yè)資源管理;2006年06期

2 李啟才;;基于SPOT-5影像的1∶10000比例尺地形圖更新研究[J];資源信息與工程;2016年02期

3 焦紅波;王平;金繼業(yè);姜偉男;侯晨;;基于SPOT-5進行中國海島海岸帶1:5萬基礎(chǔ)地理數(shù)據(jù)更新[J];海洋通報;2010年05期

4 魏永飛;周楓;張艷蘭;;SPOT-5影像融合方法對比分析[J];大壩與安全;2019年05期

5 韓曉慶;劉佳;李靜;張蕓;蘇藝;高偉明;;海岸帶地區(qū)SPOT-5遙感影像無控制點正射校正方法[J];測繪科學(xué);2013年03期

6 白景萍;;利用Spot-5遙感影像對山西森林資源規(guī)劃設(shè)計[J];山西科技;2007年05期

7 亓興蘭;劉健;陳福海;余坤勇;陳清舜;;SPOT-5遙感影像自身融合在馬尾松毛蟲害信息提取中的應(yīng)用[J];中南林業(yè)科技大學(xué)學(xué)報;2011年02期

8 商其亞;;利用SPOT-5影像生成數(shù)字高程模型和正射影像的技術(shù)探討[J];鐵道勘測與設(shè)計;2015年04期

9 賈利萍;李鄭;汪燕;;SPOT-5影像在安徽省礦山地質(zhì)環(huán)境遙感監(jiān)測中的應(yīng)用[J];能源技術(shù)與管理;2016年04期

10 楊燕瓊;陳繼翔;鐵玲;趙莉平;;森林資源的SPOT-5光譜分類分析[J];中國林業(yè)產(chǎn)業(yè);2007年01期

相關(guān)會議論文 前8條

1 丁美;;SPOT-5衛(wèi)星影像圖在上海虹橋綜合交通樞紐規(guī)劃勘測中的應(yīng)用[A];第三屆長三角科技論壇（測繪分論壇）暨'2006江蘇省測繪學(xué)術(shù)年會論文集[C];2006年

2 賴元長;李賢偉;趙安玖;賴家明;馮帥;;基于SPOT-5的退耕還林小班面積和空間位置監(jiān)測方法的研究——以洪雅縣柳江鎮(zhèn)為例[A];第九屆中國林業(yè)青年學(xué)術(shù)年會論文摘要集[C];2010年

3 倪文輝;;SPOT-5衛(wèi)星影像糾正及特征矢量提取試驗[A];全國測繪與地理信息技術(shù)研討交流會專輯[C];2003年

4 王志;魏麗君;;利用SPOT-5遙感影像更新土地利用數(shù)據(jù)庫技術(shù)的探討——以黑龍江省望奎縣為例[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

5 黃健;鄧思勝;;ERDAS和GEOImage進行SPOT-5正射糾正的精度比較[A];第三屆長三角科技論壇（測繪分論壇）暨'2006江蘇省測繪學(xué)術(shù)年會論文集[C];2006年

6 安志宏;代路;賀偉;;GEOEYE-1和SPOT-5在礦山開發(fā)狀況與環(huán)境調(diào)查中的應(yīng)用效果對比研究[A];第十七屆中國遙感大會摘要集[C];2010年

7 曹鑾;李小江;諶佳;;SPOT-5衛(wèi)星遙感影像正射糾正探討及試驗[A];全國測繪與地理信息技術(shù)研討交流會專輯[C];2003年

8 鮑文東;朱曉偉;屈秀杰;朱偉亞;;利用SPOT-5衛(wèi)星影像制作數(shù)字正射影像圖及變化信息提取的方法研究[A];2005年山東土地學(xué)會學(xué)術(shù)年會論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 亓興蘭;SPOT-5遙感影像馬尾松毛蟲害信息提取技術(shù)研究[D];福建農(nóng)林大學(xué);2011年

2 楊永恬;基于多源遙感數(shù)據(jù)的森林蓄積量估測方法研究[D];中國林業(yè)科學(xué)研究院;2010年

相關(guān)碩士學(xué)位論文 前10條

1 趙勇鈞;基于SPOT-5影像光譜和紋理特征的湘西森林健康評價研究[D];北京林業(yè)大學(xué);2019年

2 李晗;基于SPOT-5遙感影像的湘西林分參數(shù)及碳儲量預(yù)估模型研究[D];北京林業(yè)大學(xué);2019年

3 滕思翰;基于SPOT-5的阿魯科爾沁旗土地荒漠化動態(tài)變化研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

4 楊武;基于SPOT-5影像光譜和紋理特征的川西南山地闊葉林葉面積指數(shù)反演[D];四川農(nóng)業(yè)大學(xué);2014年

5 史良樹;SPOT-5數(shù)據(jù)在退耕還林監(jiān)測中的應(yīng)用研究[D];中國林業(yè)科學(xué)研究院;2004年

6 喬磊;SPOT-5數(shù)據(jù)處理及其在青島膠州灣的應(yīng)用[D];中國海洋大學(xué);2006年

7 楊長青;基于SPOT-5的川西南山地常綠闊葉林葉面積指數(shù)及蓄積量估測研究[D];四川農(nóng)業(yè)大學(xué);2012年

8 曾繁;土地整理之土壤肥力遙感反演及評價[D];長沙理工大學(xué);2013年

9 武婕;玉米成熟期地上生物量及其碳氮累積量的遙感估算[D];山東農(nóng)業(yè)大學(xué);2014年

10 王娟敏;多源遙感影像沙化土地信息提取研究[D];西北大學(xué);2007年

本文編號：2770606