【摘要】：森林生物量是評價森林固碳能力和生態(tài)價值的重要參數(shù)。雖然遙感技術已經廣泛的用于森林生物量的定量估測,但將不同傳感器與不同建模算法有效的結合起來提高生物量估測精度的研究目前仍然很少。本研究基于不同遙感數(shù)據(jù)(Landsat TM數(shù)據(jù)、ALOS PALSAR L-波段數(shù)據(jù)以及二者的結合)和不同建模算法(人工神經網絡(ANN)、支持向量回歸(SVR)、隨機森林(RF)、K最近鄰(KNN)和線性回歸(LR))在植被分層和不分層的情況下,對亞熱帶地區(qū)森林進行了生物量估算。結果表明:(1)Landsat TM數(shù)據(jù)的估測結果(均方根誤差范圍27.7 29.3 Mg/ha)優(yōu)于ALOS PALSAR數(shù)據(jù)(均方根誤差范圍30.3 33.7 Mg/ha)�；贏NN和SVR算法使用TM與PALSAR數(shù)據(jù)結合的估測結果(均方根誤差為27.6 Mg/ha和28.2Mg/ha)與單獨使用TM數(shù)據(jù)的結果(均方根誤差為27.7 Mg/ha和28.2 Mg/ha)相似,RF和KNN算法在數(shù)據(jù)結合時的估測結果變差(均方根誤差分別由28.4 Mg/ha和28.3 Mg/ha增加至30.3 Mg/ha和30.8 Mg/ha),而線性回歸的結果略有改善(均方根誤差由29.3Mg/ha降低至27.7 Mg/ha)。(2)使用光學數(shù)據(jù)(Landsat TM)或雷達數(shù)據(jù)(ALOS PALSAR)進行生物量估測時,生物量低估和高估現(xiàn)象依然是一個主要問題。(3)當生物量范圍處于40-120Mg/ha時,線性回歸總體較好�？傮w上來說,機器學習算法只能有限的提高生物量估測精度,但當生物量值高于120Mg/ha時,ANN算法能有效提高模型精度(生物量在120-160Mg/ha時,均方根誤差由34.2Mg/ha降低至29.1Mg/ha;生物量大于160Mg/ha時,均方根誤差由61.0Mg/ha降低至50.2Mg/ha)。(4)森林類型與生物量范圍是影響生物量估測模型的重要因素。(5)森林分層建模能有效改進生物量估測模型,尤其是生物量高于160Mg/ha時,使用線性回歸的估測精度提高較多(均方根誤差由的58.6Mg/ha降低至41.5Mg/ha)。本次研究通過綜合分析不同數(shù)據(jù)源、建模算法以及森林類型,為亞熱帶森林生態(tài)系統(tǒng)基于遙感的生物量建模方式提供了新的見解。收集足夠的樣本、提取合適的變量、選擇合適的建模算法以及結果評價方式是建立最優(yōu)生物量估測模型的重要程序。
【學位授予單位】：浙江農林大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：S718.5
【圖文】：

結合研究目的，制定如下研究路線（圖1.1）。使用不同遙感數(shù)據(jù)，基于森林分層和無森林分層情況，探索機器學習算法和多元逐步回歸算法在生物量估測方面的表現(xiàn)，結合精度分析評價，選出最適合該研究區(qū)的生物量估測模型。圖 1.1 最優(yōu)地上生物量估測模型Figure1.1 Optimal aboveground biomass estimation model

2 研究區(qū)與數(shù)據(jù)2.1 研究區(qū)概況研究區(qū)位于浙江省中、西部。由 7 個地市組成，主要包括湖州、杭州、金華市大部分地區(qū)，麗水市北部地區(qū)，衢州市中、東部地區(qū)，紹興市中、西部地區(qū)和嘉興市中、南部大部分地區(qū)等。研究區(qū)地處北緯 28-31°與東經 118-121°之間，位于中國東南區(qū)域；地勢總體趨勢為西南高、東北低，地形復雜，山脈自西南向東北成大致平行的三支[60]。湖泊資源豐富，主要包括杭州西湖、紹興東湖、嘉興南湖，以及新安江水電站建成后形成的全省最大人工湖泊千島湖等[61-62]。地形大致可分為浙北杭嘉湖平原浙西中山丘陵（主要商品糧基地和農業(yè)經濟綜合區(qū)）、中部金衢盆地和浙南山地（商品材產量最大區(qū)域），如圖 2.1 所示。

表 2.1 監(jiān)測小班抽取比例Table2.1 Extracted proportion of Sub-compartment林小班數(shù) 小于 1000 1000-2000 2000-4000 4000-6000 大于 6000取比例 3% 2.5% 2% 1.5% 1%取數(shù)量 30 55 95 125 125+1%x將所有抽取的固定小班按順序排列，從第一號固定監(jiān)測小班開始，在小班中表性區(qū)域布設監(jiān)測樣地。具體抽樣方式以及樣地布設如圖 2.2，監(jiān)測樣地邊平邊長 20m，有坡度的需要坡度改正，閉合差 1/200。在每個樣地中，需統(tǒng)于 5cm 的喬木的樹種、胸徑、樹高，胸徑位于樹木 1.3m 處測量。另外，在地內布設樣方，樣方沿固定樣地對角線設置 3 個，每個樣方面積為 2m×2兩側的小樣方應樣地邊緣 1m 處設置。在小樣方中進行下木調查，統(tǒng)計胸徑的喬木，同種灌木的株數(shù)、平均地徑（離地 5cm 處）、平均高度以及蓋度（指的枝葉覆蓋 2m×2m 小樣方的百分比例），草本的名稱、株數(shù)、平均高度及 年共選出樣地 664 個，具體樣地類型及其分布如圖 2.3 所示。

【參考文獻】

相關期刊論文 前10條

1 戚玉嬌;李鳳日;;基于KNN方法的大興安嶺地區(qū)森林地上碳儲量遙感估算[J];林業(yè)科學;2015年05期

2 奚家亮;;浙江省資源稟賦情況研究分析[J];現(xiàn)代商業(yè);2014年30期

3 付虎艷;徐云棟;李圣嬌;蘇院興;舒清態(tài);;基于SVM方法的高山松林蓄積量遙感估測研究[J];西部林業(yè)科學;2014年04期

4 李文梅;陳爾學;李增元;趙磊;;森林地上生物量的極化干涉SAR相干層析估測方法[J];林業(yè)科學;2014年02期

5 沈愛華;袁位高;張駿;江波;朱錦茹;黃麗霞;;浙江省生態(tài)公益林物種多樣性時空格局研究[J];浙江林業(yè)科技;2014年01期

6 朱湯軍;沈楚楚;季碧勇;林蔭;王秀云;張國江;袁位高;;基于LULUCF溫室氣體清單編制的浙江省杉木林生物量換算因子[J];生態(tài)學報;2013年13期

7 沈楚楚;朱湯軍;季碧勇;王秀云;張國江;袁位高;趙彩芳;;浙江省馬尾松林生物量換算因子研究[J];浙江林業(yè)科技;2013年03期

8 范文義;張海玉;于穎;毛學剛;楊金明;;三種森林生物量估測模型的比較分析[J];植物生態(tài)學報;2011年04期

9 趙曉熠;張偉;謝蓄芬;;絕對輻射定標與相對輻射定標的關系研究[J];紅外;2010年09期

10 徐怡波;賴錫軍;周春國;;基于ENVISAT ASAR數(shù)據(jù)的東洞庭湖濕地植被遙感監(jiān)測研究[J];長江流域資源與環(huán)境;2010年04期

相關碩士學位論文 前5條

1 趙盼盼;基于Landsat TM和ALOS PALSAR數(shù)據(jù)的森林地上生物量估測研究[D];浙江農林大學;2016年

2 張操;浙江省土壤氮庫估算及空間分布特征研究[D];浙江大學;2014年

3 楊高攀;遙感影像幾何校正方法研究與應用[D];西安建筑科技大學;2010年

4 王巖;遙感定量反演的大氣校正方法分析研究[D];東北林業(yè)大學;2008年

5 楊丙豐;遙感影像地形校正初步研究[D];云南師范大學;2007年

本文編號：2801234