本研究基于2015年58個外業(yè)調(diào)查樣地數(shù)據(jù)和1987年、1992年、1997年、2002年、2007年共96個的森林資源一類調(diào)查固定樣地數(shù)據(jù),結(jié)合Landsat影像數(shù)據(jù)、DEM數(shù)據(jù),建立了不同時期的香格里拉市高山松地上生物量估測模型,分別是單期高山松生物量估測模型、多期高山松生物量估測模型和高山松生物量動態(tài)變化估測模型。采用了四種建模方法:多元線性回歸模型（MLR）、偏最小二乘回歸模型（PLSR）、隨機森林模型（RF）和梯度提升決策樹模型（GBRT）。對所建立的模型進行模型評價,包括擬合效果和預測效果,通過相互間比較,選出最佳生物量估測模型。最后,基于多期高山松生物量估測模型和高山松生物量動態(tài)變化估測模型對高山松生物量進行估測,并就兩種方法的估測能力進行了評價和比較。因此可以得到以下結(jié)論:（1）在單期高山松生物量估測模型中,對生物量具有重要影響的因子有R5T4EN、R9T4CC、R5T4SM、R5T5CC、TM73、DVI。對四種建模方法的模型效果進行比較,得出GBRT模型的整體效果最佳,其判定系數(shù)（R²）為0.958,預估精度（P）為73.878%。（2）在基于... 

【文章來源】：西南林業(yè)大學云南省

【文章頁數(shù)】：86 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究的背景及意義
    1.2 國內(nèi)外研究概況
        1.2.1 基于光學遙感的生物量估測研究
        1.2.2 基于遙感數(shù)據(jù)的生物量動態(tài)監(jiān)測研究
        1.2.3 基于不同建模方法的生物量估測研究
        1.2.4 以香格里拉為研究區(qū)的生物量估測研究
    1.3 研究內(nèi)容
    1.4 技術(shù)路線
2 研究區(qū)概況與數(shù)據(jù)
    2.1 地理位置
    2.2 森林植被
    2.3 實驗數(shù)據(jù)
        2.3.1 外業(yè)調(diào)查數(shù)據(jù)
        2.3.2 遙感影像
        2.3.3 DEM數(shù)據(jù)
        2.3.4 生物量數(shù)據(jù)
3 研究方法
    3.1 遙感影像預處理
        3.1.1 大氣校正
        3.1.2 幾何校正
        3.1.3 地形校正
    3.2 遙感特征因子提取
        3.2.1 原始單波段因子
        3.2.2 波段組合因子
        3.2.3 植被指數(shù)因子
        3.2.4 信息增強因子
        3.2.5 紋理信息因子
        3.2.6 備選遙感特征因子確定
    3.3 模型介紹
        3.3.1 多元線性回歸模型
        3.3.2 偏最小二乘回歸模型
        3.3.3 隨機森林模型
        3.3.4 梯度提升決策樹
    3.4 模型評價指標
4 基于2015年數(shù)據(jù)構(gòu)建生物量估測模型
    4.1 數(shù)據(jù)處理及分配
        4.1.1 篩選離群值
        4.1.2 數(shù)據(jù)分配
    4.2 構(gòu)建多元線性回歸生物量估測模型
        4.2.1 特征變量優(yōu)選
        4.2.2 模型擬合
        4.2.3 模型評價
    4.3 構(gòu)建偏最小二乘回歸生物量估測模型
        4.3.1 特征變量優(yōu)選
        4.3.2 模型參數(shù)選擇
        4.3.3 模型擬合
        4.3.4 模型評價
    4.4 構(gòu)建隨機森林生物量估測模型
        4.4.1 特征變量優(yōu)選
        4.4.2 模型參數(shù)選擇
        4.4.3 模型擬合
        4.4.4 模型評價
    4.5 構(gòu)建梯度提升決策樹生物量估測模型
        4.5.1 特征變量優(yōu)選
        4.5.2 模型參數(shù)選擇
        4.5.3 模型擬合
        4.5.4 模型評價
    4.6 模型比較與分析
        4.6.1 建模因子比較
        4.6.2 模型效果比較
5 基于1987-2007年數(shù)據(jù)構(gòu)建生物量估測模型
    5.1 多期生物量聯(lián)合估測模型初探
        5.1.1 數(shù)據(jù)處理及分配
        5.1.2 模型構(gòu)建
        5.1.3 模型比較與分析
    5.2 生物量動態(tài)變化估測模型初探
        5.2.1 數(shù)據(jù)集構(gòu)建、處理及分配
        5.2.2 模型構(gòu)建
        5.2.3 模型比較與分析
    5.3 生物量估測效果對比
        5.3.1 生物量估測方法
        5.3.2 生物量估測效果對比
6 結(jié)論與討論
    6.1 結(jié)論
    6.2 討論
    6.3 展望
參考文獻
作者簡歷
導師簡介
獲得成果目錄
致謝


【參考文獻】：
期刊論文
[1]基于Landsat 8 OLI的特征變量優(yōu)化提取及森林生物量反演[J]. 徐婷,曹林,佘光輝.  遙感技術(shù)與應用. 2015(02)
[2]森林地上生物量遙感反演方法綜述[J]. 劉茜,楊樂,柳欽火,李靜.  遙感學報. 2015(01)
[3]歸一化地形校正模型研究進展及其對比實驗[J]. 何超,陳建珍,岳彩榮.  林業(yè)調(diào)查規(guī)劃. 2014(03)
[4]基于郁閉度聯(lián)立方程組模型的森林生物量遙感估測[J]. 李明澤,毛學剛,范文義.  林業(yè)科學. 2014(02)
[5]三峽庫區(qū)森林蓄積量遙感監(jiān)測及其動態(tài)變化分析[J]. 張超,彭道黎,黨永峰,智長貴.  東北林業(yè)大學學報. 2013(11)
[6]基于紋理的林區(qū)影像匹配窗口設置方法探討[J]. 何玨,趙鵬,李浩.  遙感信息. 2013(04)
[7]基于遙感信息模型的香格里拉森林生物量估算[J]. 王金亮,程鵬飛,徐申,王小花,程峰.  浙江農(nóng)林大學學報. 2013(03)
[8]基于合成孔徑雷達影像的海洋溢油紋理特征參數(shù)分析[J]. 魏錸,胡卓瑋.  海洋學報(中文版). 2013(01)
[9]區(qū)域森林生物量遙感信息模型構(gòu)建研究[J]. 程鵬飛,王金亮,徐申,程峰,王小花.  遙感技術(shù)與應用. 2012(05)
[10]基于遙感的湄公河次區(qū)域森林地上生物量分析[J]. 龐勇,黃克標,李增元,覃先林,陳爾學.  資源科學. 2011(10)

博士論文
[1]香格里拉縣森林生物量遙感估測研究[D]. 岳彩榮.北京林業(yè)大學 2012

碩士論文
[1]基于Landsat8-OLI的香格里拉高山松林生物量遙感估測模型研究[D]. 孫雪蓮.西南林業(yè)大學 2016
[2]基于光譜面積和IHS變換的水體提取的研究[D]. 劉排英.中南大學 2010
[3]偏最小二乘回歸的研究[D]. 宋高陽.浙江大學 2009
[4]滇中地區(qū)云南松林生物量及碳儲量遙感估測模型研究[D]. 吳曉麗.西南林學院 2009
[5]多源遙感圖像融合算法研究[D]. 蔣友欣.成都理工大學 2007
[6]基于灰度共生法和小波變換的遙感影像紋理信息提取[D]. 曾文華.東北師范大學 2006
[7]GIS支持下的中國陸地生物量遙感動態(tài)監(jiān)測研究[D]. 馮險峰.陜西師范大學 2000



本文編號：3192413