生物量是一定時間,一定空間一種或多種生物有機體的總重量。生物量的多少反映了生態(tài)群落利用自然潛力的能力,是衡量生態(tài)群落生產(chǎn)力的重要指標[1]。本文基于福建省Landsat8OLI遙感影像數(shù)據(jù),采用混合像元分解模型篩選出“純凈”的植被像元,并提取296個調(diào)查樣地對應植被像元的紅和近紅外的反射率信息（R和NIR）及其對應的中心波長（CWR和CWNIR）,構建了基于（NIR-R）/（CWNIR-CWR）為特征指數(shù)的葉生物量回歸模型（以下簡稱光譜斜率回歸模型）,間接的估算了福建省森林地上生物量。同時,本文采用SAR的HV極化后向散射系數(shù)和傳統(tǒng)植被指數(shù)回歸模型分別對福建省地上生物量進行了估算,最后對比分析不同方法的福建省地上生物量的估算結果及各自優(yōu)缺點。主要結論如下:1)光譜斜率回歸模型適用于福建省地上生物量估算。采用該方法在分森林群落的基礎上先估算不同植被類型的葉生物量,然后根據(jù)葉生物量與地上生物量所呈的函數(shù)關系,間接的估算了福建省地上生物量。估算結果與實測地上生物量具有較好的相關性,估算精度較高,說明該方法切實可行。2)基于光譜斜率回歸模型與傳統(tǒng)植被指數(shù)回歸模型的福建省地上生物量估算結果對比。... 

【文章來源】：福州大學福建省 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖１－１偏最小二乘法流程??洪奕豐等［４５］以南平縣為研宄區(qū)，基于ＣＢＥＲＳ數(shù)據(jù)提取不同的遙感因子和地理因子，??采用偏最小二乘的方：法，對當?shù)厣锪窟M行估算

ＢＰ?（Ｂａｃｋ?Ｐｒｏｐａｇａｔｉｏｎ）神經(jīng)網(wǎng)絡是由?Ｒｕｍｅｌｈａｒｔ?和?ＭｃＣｅｌｌａｎｄ?于?１９８６?年提出，是??一種多個因子作為輸入層進行樣本訓練，根據(jù)訓練結果在隱含層中進行處理，在輸出層??輸出結果的一種網(wǎng)絡模型。是目前應用最廣泛的模型之一，圖１－２為神經(jīng)網(wǎng)絡示意圖。??麵９??曬丨平均蓄積釐??平均海拔？??輸入層?隱含層?輸出層??圖１－２神經(jīng)網(wǎng)絡示意圖??１＾〇丨％１！等［５３］采用５種森林生物量預測模型對美國北部森林生物量進行估測，并對所??采用的５種生物量估算模型對比分析，結果表明采用ＢＰ神經(jīng)網(wǎng)絡模型對生物量估算精度??更高。鄧立斌等［５４］采用ＢＰ神經(jīng)網(wǎng)絡模型對湖南會同、攸縣的杉木林分生物量進行估算，??結果表明利用ＢＰ神經(jīng)網(wǎng)絡模型可用于森林生物量估算，其估測精度較高。涂云燕等［５５］??采用遙感因子、地理因子和郁閉度共１１個因子作為神經(jīng)網(wǎng)絡的輸入變量，以密云縣實測??森林地上生物量作為輸出變量，采用ＲＢＦ與ＢＰ神經(jīng)網(wǎng)絡兩種方法對當?shù)厣锪窟M行估算。??結果顯示，ＲＢＦ神經(jīng)網(wǎng)絡模型的生物量估算精度更高。琚存勇等［５６］對８？神經(jīng)網(wǎng)絡模型進??行泛化改進

圖１－３研宄技術路線圖??１．４．?２論文結構??論文分為六章，分別從研究的背景、理論基礎、方法和結果分析進行了詳細的闡述。??第一章緒論。介紹了生物量的相關定義，對選題的研宄背景和意義進行了詳細闡??述，總結了生物量研宄的國內(nèi)外進展情況。在此基礎上，確定了本研究的主要內(nèi)容和技??術路線。??第二章研宂區(qū)與數(shù)據(jù)預處理。介紹了福建省的地形、氣候等基本概況，以及樣地??的分布與獲取情況。此外，對光學遙感影像的輻射定標、大氣校正，ＳＡＲ遙感影像的輻??射定標、多視處理等數(shù)據(jù)處理做了介紹，最后對樣地篩選中用到的混合像元分解流程及??１０??

【參考文獻】：
期刊論文
[1]森林生物量的研究進展[J]. 周超.  現(xiàn)代園藝. 2016(13)
[2]星載SAR輻射定標及其精度分析[J]. 陶滿意,紀鵬,黃源寶,姜巖.  中國空間科學技術. 2015(05)
[3]基于ALOSPALSAR雷達影像的人工林蓄積量估算——以塞罕壩機械林場華北落葉松人工林為例[J]. 黃麗艷,閆巧玲,高添,朱教君.  生態(tài)學雜志. 2015(09)
[4]基于偏最小二乘回歸模型的高山松蓄積量遙感估測[J]. 李圣嬌,舒清態(tài),徐云棟,張焱.  江蘇農(nóng)業(yè)科學. 2015(08)
[5]圍欄封育下伊犁絹蒿荒漠草地特征植物高光譜特征變化分析[J]. 夏小偉,靳瑰麗,安沙舟,范燕敏,梁娜.  草業(yè)科學. 2015(06)
[6]SAR圖像濾波方法比較與分析[J]. 王宇航,范文義,張金虎.  森林工程. 2015(03)
[7]基于高分辨率遙感影像的森林蓄積量估測[J]. 李利偉,黃國勝,王雪軍,張超,智長貴,黨永峰,王威.  福建林業(yè)科技. 2014(04)
[8]基于嶺回歸的思茅松單木生物量復合模型構建[J]. 吳明山,葉江霞,胥輝.  東北林業(yè)大學學報. 2015(02)
[9]基于Landsat 8 OLI數(shù)據(jù)的玉米冠層含水量反演研究[J]. 鄭興明,丁艷玲,趙凱,姜濤,李曉峰,張世軼,李洋洋,武黎黎,孫建,任建華,張宣宣.  光譜學與光譜分析. 2014(12)
[10]基于偏最小二乘回歸的森林蓄積量遙感估測[J]. 劉瓊閣,彭道黎,涂云燕.  中南林業(yè)科技大學學報. 2014(02)

博士論文
[1]調(diào)頻連續(xù)波合成孔徑雷達成像研究與系統(tǒng)實現(xiàn)[D]. 蔡永俊.中國科學院國家空間科學中心 2016
[2]基于多源數(shù)據(jù)和神經(jīng)網(wǎng)絡模型的森林資源蓄積量動態(tài)監(jiān)測[D]. 吳達勝.浙江大學 2014
[3]基于實測數(shù)據(jù)的雷達成像方法研究[D]. 邢孟道.西安電子科技大學 2002

碩士論文
[1]利用ASAR數(shù)據(jù)進行水稻識別和監(jiān)測[D]. 張萍萍.南京信息工程大學 2006
[2]多時相ENVISAT ASAR數(shù)據(jù)森林制圖及參數(shù)反演研究[D]. 朱海珍.北京林業(yè)大學 2006



本文編號：3531334