森林作為陸地生態(tài)系統(tǒng)最大的碳庫(kù),對(duì)維持整個(gè)陸地生態(tài)系統(tǒng)的碳平衡起著至關(guān)重要的作用,因此研究森林碳密度的空間分布特征具有極其重要的意義。隨著3S技術(shù)的飛速發(fā)展,利用遙感技術(shù)進(jìn)行森林碳密度反演已受到越來(lái)越多的關(guān)注,它為森林碳密度估測(cè)提供了一條既快捷又方便的新途徑。本文以四川省宜賓市長(zhǎng)寧縣為研究區(qū),結(jié)合GF-1遙感影像和當(dāng)?shù)厣仲Y源二類調(diào)查數(shù)據(jù),運(yùn)用多元線性回歸模型、Logistics回歸模型和k-NN三種方法,分別基于1km×1km、2km×2km、3kmx3km三種不同抽樣間隔的樣點(diǎn)數(shù)據(jù)對(duì)長(zhǎng)寧縣地上森林碳密度進(jìn)行模擬。旨在探索一套適合縣級(jí)區(qū)域尺度的森林碳密度調(diào)查技術(shù),并分析出最佳森林碳密度遙感估測(cè)方法,為森林資源的快速宏觀監(jiān)測(cè)及其碳密度遙感反演提供思路,提升森林資源遙感定量估測(cè)水平,達(dá)到動(dòng)態(tài)監(jiān)測(cè)的目的,并為當(dāng)?shù)卣贫ㄉ謸嵊胧┘跋嚓P(guān)林業(yè)政策提供行之有效的數(shù)據(jù)支撐。主要研究結(jié)果如下：(1)變量因子相關(guān)性分析。將提取出的地形因子及遙感因子與樣地碳儲(chǔ)量進(jìn)行相關(guān)性分析,結(jié)果表明,研究區(qū)森林碳儲(chǔ)量與多個(gè)遙感因子和地形因子間存在較好的相關(guān)性,其中歸一化植被指數(shù)(NDVI)和土壤調(diào)整植被指數(shù)(SA...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 引言
    1.1 研究背景
    1.2 研究目的與意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 森林碳儲(chǔ)量研究進(jìn)展
        1.3.2 森林碳儲(chǔ)量估算方法
    1.4 課題來(lái)源
    1.5 研究?jī)?nèi)容與技術(shù)路線
        1.5.1 研究目標(biāo)
        1.5.2 研究?jī)?nèi)容
        1.5.3 技術(shù)路線
2 材料與方法
    2.1 研究區(qū)概況
        2.1.1 地理位置
        2.1.2 地形、地貌
        2.1.3 氣候
        2.1.4 土壤
        2.1.5 森林植被概況
    2.2 遙感影像數(shù)據(jù)獲取及預(yù)處理
        2.2.1 GF-1遙感影像介紹
        2.2.2 輻射校正
        2.2.3 幾何校正
        2.2.4 圖像鑲嵌
    2.3 抽樣設(shè)計(jì)與地面調(diào)查
    2.4 生物量及碳儲(chǔ)量計(jì)算
    2.5 地形因子及遙感信息提取
3 碳密度回歸模型構(gòu)建
    3.1 建模因子篩選
        3.1.1 相關(guān)性分析
        3.1.2 多重共線性分析
    3.2 模型精度評(píng)價(jià)與分析
    3.3 多元線性回歸模型
        3.3.1 多元線性回歸模型的一般模式
        3.3.2 逐步回歸模型
        3.3.3 不同抽樣間隔回歸模型建立及其精度分析
        3.3.4 不同抽樣間隔模型精度評(píng)價(jià)與分析
    3.4 Logistics回歸模型
        3.4.1 不同抽樣間隔Logistics回歸模型建立
        3.4.2 不同抽樣間隔模型精度評(píng)價(jià)與分析
4 基于k-NN方法的森林碳密度反演
    4.1 k-NN方法基本原理
    4.2 估測(cè)精度評(píng)價(jià)方法
    4.3 不同抽樣間隔反演結(jié)果比較
        4.3.1 平均誤差
        4.3.2 均方根誤差和估測(cè)精度
5 森林碳密度反演和分布制圖
6 結(jié)論與討論
    6.1 結(jié)論
    6.2 創(chuàng)新點(diǎn)
    6.3 討論
參考文獻(xiàn)
致謝



本文編號(hào)：3750656