發(fā)布時間：2020-05-31 14:42

【摘要】：植被覆蓋度(Percentage Vegetation Cover,PVC)是影響生態(tài)系統(tǒng)變化的重要參數(shù),已被廣泛應(yīng)用于荒漠化的監(jiān)測和評價。因此,快速準(zhǔn)確地估算荒漠化區(qū)域的植被覆蓋度具有重要意義。遙感是獲得區(qū)域及全球植被覆蓋最主要的手段之一。但是由于荒漠化區(qū)域植被稀疏、人口稀少,實(shí)測數(shù)據(jù)的收集較為困難,植被覆蓋度的估算有一定的挑戰(zhàn)性,需要進(jìn)一步比較分析植被覆蓋度遙感反演方法在荒漠化區(qū)域的適用性。論文以內(nèi)蒙古多倫縣為研究區(qū),2016年8月的Landsat 8遙感影像作為數(shù)據(jù)源,結(jié)合分層系統(tǒng)抽樣得到的920個30m×30m的外業(yè)樣地?cái)?shù)據(jù),采用回歸模型、非參數(shù)模型和混合像元分解模型對研究區(qū)的植被覆蓋度進(jìn)行反演�；貧w模型和非參數(shù)模型提取了單波段信息、植被指數(shù)和紋理因子共255個建模因子,與植被覆蓋度進(jìn)行相關(guān)性分析,選用線性逐步回歸和方差膨脹因子法進(jìn)行因子篩選,最終確定SR435、SR23、1/B1、SR42、DVI56作為線性逐步回歸(Linear Stepwise Regression,LSR)、支持向量機(jī)(Support Vector Machine,SVM)、隨機(jī)森林(Random Forest,RF)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radical Basis Function Neural Network,RBFNN)的建模因子。與此同時,研究將像元與端元的光譜空間距離及改進(jìn)的最近鄰法(k-Nearest Neighbors,kNN)運(yùn)用到混合像元分解中,并采用歐氏平方距離對提取的各端元的純凈像元進(jìn)行提純,提出了 3種新的非線性混合像元分解算法,即基于歐氏平方距離的非線性混合像元分解(Nonlinear Spectral Unmixing based on Squared Euclidean Distance,NLSU-SED)、基于加權(quán)kNN的非線性混合像元分解(Nonlinear Spectral Unmixing based on Weighted kNN,NLSU-WkNN)和基于優(yōu)化加權(quán)kNN的非線性混合像元分解(Nonlinear Spectral Unmixing based on Optimized Weighted kNN,NLSU-OWkNN)。將上述3種非線性混合像元分解方法所得結(jié)果與線性混合像元分解模型(Linear Spectral Unmixing,LSU)以及回歸模型和非參數(shù)模型結(jié)果進(jìn)行比較和成本效益評價分析,最終獲得適合荒漠化區(qū)域的植被覆蓋度遙感反演方法。研究主要結(jié)論如下:(1)在回歸模型和非參數(shù)模型中,研究區(qū)植被覆蓋度反演效果最好的是隨機(jī)森林模型。隨機(jī)森林估算植被覆蓋度的精度最高,為78.6%,并且估計(jì)值均在合理的范圍內(nèi)。線性逐步回歸、支持向量機(jī)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型的植被覆蓋度估算精度與隨機(jī)森林模型結(jié)果相當(dāng),但是估計(jì)結(jié)果出現(xiàn)了小于0或大于1的不合理估計(jì)值。(2)歐氏平方距離提純端元可以提高線性混合像元分解的精度。端元提純使LSU估算植被覆蓋度的精度從56.8%提高到了 67.6%,且一定程度上改善了低估的現(xiàn)象,使估算的植被覆蓋度更接近于實(shí)地測量值。(3)研究提出的3種非線性混合像元分解模型改善了線性混合像元分解模型的低估現(xiàn)象,得到了更高的估算精度。非線性混合像元分解模型中精度最高的是NLSU-SED,接下來分別是NLSU-OWkNN、NLSU-WkNN,相比于提純后的LSU,精度分別從67.6%提高到了77.1%,72.5%和67.9%。同時,NLSU-SED和NLSU-OWkNN估算的研究區(qū)植被覆蓋度均值在樣地實(shí)測植被覆蓋度均值的置信區(qū)間內(nèi)。(4)從成本效益的角度考慮,NLSU-SED模型是荒漠化區(qū)域植被覆蓋度的最優(yōu)模型。雖然隨機(jī)森林估算植被覆蓋度的精度最高,但是其需要大量的樣地?cái)?shù)據(jù),成本效益要低于不需要樣地?cái)?shù)據(jù)建模的NLSU-SED。由于荒漠化區(qū)域特殊的自然環(huán)境條件,要同時考慮到精度和成本。因此,NLSU-SED更適合荒漠化區(qū)域的植被覆蓋度反演。
【圖文】：

與克什克騰旗毗鄰，東部和南部分別與河北省的圍場縣、豐寧縣、沽源縣，三縣接壤，逡逑地處１１５。５１汜－１１６。５４１邋４１°４６隊(duì)４２。３６＾。多倫縣境南北長約１１０ｋｍ，東西寬７０ｋｍ，逡逑總面積３８６３ｋｍ２。研究區(qū)位置圖及樣地分布圖如圖２．１所示。逡逑（ｂ）逡逑⑷邐：１６，．‘Ｅ邐Ｈ７ＷＥ逡逑｜９０ＷＥｉ邋Ｊ３５ＷＰ邐＝0逡逑＼ｉ－邐１逡逑ＷＷＥ邐１２０ｎ０＇０ＭＨ邐ＭｇＭｊＴ逡逑ｏ邋５邋１０邐２０邐３０邐Ｆ逡逑ｇＴＴ＾＾－－｜ｋｍ邐［＿｜逡逑１１６°０．０”Ｅ邐１１６Ｃ３０．０”Ｅ邐ｋ逡逑（ｃ）逡逑邐ｉ邐逡逑２５０ｍ￣Ｚ邐Ｍ邐５００ｍ逡逑邐邐＾１邐邐邐邐ｎ逡逑ｊｊ邐＾邐７１逡逑邐＾邐＾＿＿邐、Ｈ邋…１１，逡逑ｐ邐ｐ邋Ｉ邐丨＇、、ｚ：逡逑！邐？邋，０ｍ邋！邋＇＇ＶＵ逡逑＾邐，ｐ邋Ｉ邐ｉ邋ｉ逡逑ｐ邐，ｎ邐了、逡逑ｐ邐ｐ邐，邐？？、逡逑邐邋＾邐＿￡邐邋［ｋ邐３０邋ｍ邐、、ｊ逡逑ｐＰ邐Ｌｅｇｅｎｄ逡逑ｒ￣ｆ逡逑／邋邐邐Ｌ－邐邐邋＊邋Ｓａｍｐｌｅ邋ｐｌｏｌｓ逡逑—邐ｉＭｉｉ＂邐邐邐邋Ｉ邋Ｉ邋Ｃｏｕｎｔｙ邋Ｂｏｕｎｄａｒｙ逡逑圖２．１研究區(qū)位置圖逡逑Ｆｉｇｕｒｅ邋２．１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋ｔｈｅ邋ｓｔｕｄｙ邋ａｒｅａ逡逑２．２自然環(huán)境條件逡逑多倫縣屬于溫帶半干旱向半濕潤過渡的典型大陸性氣候，海拔１２００－１７００ｍ，年逡逑平均降水量３７８ｍｍ；年平均日照２９４３小時

以２０即得到植被覆蓋度；最后用卷尺在樣方范圍內(nèi)隨機(jī)選擇４個位置對植被高度進(jìn)逡逑行測量，計(jì)算４個位置植被高度的平均值作為樣方的植被高度。樣方測量的具體方法逡逑見圖３．２。將５個ｌｍｘｌｍ樣方植被覆蓋度的平均值作為３０ｍｘ３０ｍ樣地的植被覆蓋逡逑度。將２５０ｍｘ２５０ｍ樣地內(nèi)所有３０ｍｘ３０ｍ樣地的植被覆蓋度平均值作為２５０ｍｘ２５０ｍ逡逑樣地的植被覆蓋度，同理可得到５００ｍｘ５００ｍ，邋ｌＯＯＯｍｘｌＯＯＯｍ樣地的植被覆蓋度。在逡逑２０１６年７月１３日－２０１６年８月２０日，共調(diào)查了邋９６０個３０ｍｘ３０ｍ的樣地。由于在樣逡逑地調(diào)查期間的研宄區(qū)的Ｌａｎｄｓａｔ邋８遙感影像的左下角有部分區(qū)域的有云，，因此剔除了逡逑一些有云層覆蓋的樣地
【學(xué)位授予單位】：中南林業(yè)科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：Q948

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙舒怡;宮兆寧;劉旭穎;;2001-2013年華北地區(qū)植被覆蓋度與干旱條件的相關(guān)分析[J];地理學(xué)報(bào);2015年05期

2 孫雪蓮;舒清態(tài);歐光龍;胥輝;;基于隨機(jī)森林回歸模型的思茅松人工林生物量遙感估測[J];林業(yè)資源管理;2015年01期

3 任世龍;宜樹華;陳建軍;秦_g;王曉云;;基于不同數(shù)碼相機(jī)和圖像處理方法的高寒草地植被蓋度估算的比較[J];草業(yè)科學(xué);2014年06期

4 凌子燕;黃進(jìn);;基于RBF神經(jīng)網(wǎng)絡(luò)的城市森林碳儲量遙感建模與動態(tài)變化分析——以南京市為例[J];林業(yè)資源管理;2013年04期

5 李向婷;白潔;李光錄;羅格平;古麗·加帕爾;李均力;;新疆荒漠稀疏植被覆蓋度信息遙感提取方法比較[J];干旱區(qū)地理;2013年03期

6 包剛;覃志豪;周義;包玉海;辛?xí)云?紅雨;海全勝;;基于高光譜數(shù)據(jù)和RBF神經(jīng)網(wǎng)絡(luò)方法的草地葉面積指數(shù)反演[J];國土資源遙感;2012年02期

7 馬娜;胡云鋒;莊大方;張學(xué)利;;基于遙感和像元二分模型的內(nèi)蒙古正藍(lán)旗植被覆蓋度格局和動態(tài)變化[J];地理科學(xué);2012年02期

8 胡健波;張璐;黃偉;吳世紅;劉長兵;;基于數(shù)碼照片的草地植被覆蓋度快速提取方法[J];草業(yè)科學(xué);2011年09期

9 古麗·加帕爾;陳曦;馬忠國;;干旱區(qū)稀疏蘆葦蓋度遙感信息提取[J];干旱區(qū)地理;2010年06期

10 李登科;范建忠;王娟;;陜西省植被覆蓋度變化特征及其成因[J];應(yīng)用生態(tài)學(xué)報(bào);2010年11期

本文編號：2690013