發(fā)布時間：2021-08-25 18:32

　　森林在全球碳循環(huán)中具有重要作用,而森林生物量不僅標(biāo)志著森林固碳能力,評估森林的碳收支能力,量化森林碳匯的關(guān)鍵也需要精確估測森林生物量,森林生物量對于全球碳循環(huán)研究和森林可持續(xù)發(fā)展具有重要作用。本研究以大興安嶺林區(qū)為研究區(qū),以Sentinel-1雷達(dá)數(shù)據(jù)和Sentinel-2光學(xué)遙感數(shù)據(jù)為主要數(shù)據(jù)源,結(jié)合森林資源清查數(shù)據(jù)、地形、和氣候等輔助數(shù)據(jù),探究在估算大興安嶺森林和興安落葉松、白樺、山楊、樟子松及云杉生物量時,K階最近鄰（KNN）、支持向量機(jī)（SVM）、分類回歸樹（CART）、隨機(jī)森林（RF）、隨機(jī)梯度提升（SGB）五種常用機(jī)器學(xué)習(xí)模型在估算不同生物量時的模型表現(xiàn)力,并使用零膨脹模型對云杉和樟子松的生物量估算模型進(jìn)行優(yōu)化,進(jìn)而篩選出估算不同樹種的最優(yōu)模型。在此基礎(chǔ)之上,通過最優(yōu)的建模方法對大興安嶺不同樹種的生物量進(jìn)行估算并分析生物量的空間分布特征。主要的研究內(nèi)容和結(jié)論如下:（1）提取Sentinel-2光學(xué)遙感數(shù)據(jù)的單波段信息,并計算相應(yīng)的植被指數(shù),提取Sentinel-1雷達(dá)數(shù)據(jù)的后向散射系數(shù)和后向散射系數(shù)的紋理特征,同時輔以地形數(shù)據(jù)和氣候數(shù)據(jù),共提取到44個特征因子。以這44個特... 

【文章來源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)位置

圖 3.1 二分類問題隔等于兩個類支持向量的差在直線上的投影，即：( ) ( )|| || || ||T TTx w x wx x ww w+ + = = 中x+ 和x 分別表示兩個正負(fù)支持向量，因為x ) 1ix + b= ，即：11TTw x bw x b+ = = 代入公式（3.6）得：1 (1 ) 2|| || || ||b bw w + += =大化2|| w||相當(dāng)于最小化||w||，將公式（3.7）轉(zhuǎn)( ) ( )21in || || , , , 1 1,2, ,Ti iw s t y w x b i m + ≥ =

圖 4.3 基于零膨脹模型估算的樟子松生物量與樣本生物量值對4.3.3 云杉生物量模型優(yōu)化如圖 4.1 中估算的云杉生物量和實際的云杉生物量散點圖所示，度提升方法估算的云杉生物量與實際樣本生物量的偏差較大。在 813中，有 745 個生物量值為零的數(shù)據(jù)被過高估計，24 個生物量值大于被過低估計，僅有 44 個樣本值估計正確。對估算的云杉生物量值使法來擬合函數(shù)，擬合函數(shù)的斜率僅為 0.21，即使用最優(yōu)的模型來估算云杉的生物量擬合效果依舊不理想。云杉的樣本中，生物量值為零的個，零值樣本過多造成模型偏差較大，使用零膨脹模型來擬合云杉生杉生物量的回歸模型進(jìn)行優(yōu)化。首先分別使用 K 階最近鄰，支持向量歸樹、隨機(jī)森林和隨機(jī)梯度提升方法對目標(biāo)樹種進(jìn)行分類，然后對在種的區(qū)域擬合對應(yīng)樹種的生物量。使用 KNN、CART、SVM、RF、SGB 這五種方法對云杉進(jìn)行分度分別為 0.96、0.95、0.98、0.99、0.98，隨機(jī)森林方法的模型精度最進(jìn)行分類的效果最好。使用 KNN、CART、SVM、RF、SGB 五種回杉的生物量值不為零的樣本進(jìn)行擬合，回歸模型的決定系數(shù)分別為

【參考文獻(xiàn)】：
期刊論文
[1]基于SAR極化分解與Landsat數(shù)據(jù)的森林生物量遙感估測[J]. 李明澤,于欣彤,高元科,范文義.  北京林業(yè)大學(xué)學(xué)報. 2018(02)
[2]應(yīng)用Sentinel-1影像紋理信息模型估測杉木林生物量[J]. 潘磊,孫玉軍.  東北林業(yè)大學(xué)學(xué)報. 2018(01)
[3]Sentinel-2數(shù)據(jù)的冬小麥地上干生物量估算及評價[J]. 鄭陽,吳炳方,張淼.  遙感學(xué)報. 2017(02)
[4]基于SVM方法的高山松林蓄積量遙感估測研究[J]. 付虎艷,徐云棟,李圣嬌,蘇院興,舒清態(tài).  西部林業(yè)科學(xué). 2014(04)
[5]基于ALOS遙感數(shù)據(jù)紋理及紋理指數(shù)的柞樹蓄積量估測[J]. 劉俊,畢華興,朱沛林,孫菁,朱金兆,陳濤.  農(nóng)業(yè)機(jī)械學(xué)報. 2014(07)
[6]圖像紋理特征提取方法綜述[J]. 劉麗,匡綱要.  中國圖象圖形學(xué)報. 2009(04)
[7]中國森林生態(tài)系統(tǒng)植被碳儲量時空動態(tài)變化研究[J]. 徐新良,曹明奎,李克讓.  地理科學(xué)進(jìn)展. 2007(06)
[8]應(yīng)用LandsatETM數(shù)據(jù)估算鄱陽湖濕生植被生物量[J]. 李仁東,劉紀(jì)遠(yuǎn).  地理學(xué)報. 2001(05)
[9]中國森林碳動態(tài)及其對全球碳平衡的貢獻(xiàn)[J]. 劉國華,傅伯杰,方精云.  生態(tài)學(xué)報. 2000(05)

博士論文
[1]基于多源數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)模型的森林資源蓄積量動態(tài)監(jiān)測[D]. 吳達(dá)勝.浙江大學(xué) 2014
[2]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(xué) 2012

碩士論文
[1]基于PSO-SVM的森林地上生物量遙感估測與空間分析[D]. 董金金.山東農(nóng)業(yè)大學(xué) 2014



本文編號：3362634