本文選題：ICESat-GLAS波形　切入點(diǎn)：HJ-1A/HSI高光譜影像　出處：《東北林業(yè)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：傳統(tǒng)森林參數(shù)獲取主要依賴于野外調(diào)查,需要耗費(fèi)大量人力、物力和時(shí)間,而且只能獲取到點(diǎn)上的數(shù)據(jù),不能夠及時(shí)獲取大區(qū)域森林參數(shù)的空間分布情況。遙感技術(shù)的出現(xiàn)和發(fā)展彌補(bǔ)了傳統(tǒng)估測(cè)方法的不足,可以實(shí)現(xiàn)對(duì)大區(qū)域森林參數(shù)的快速、無(wú)損估測(cè),提高了森林參數(shù)的估測(cè)精度,能夠滿足森林資源調(diào)查的需要。本研究以吉林省汪清林區(qū)為研究區(qū),從ICESat-GLAS(the geoscience laser altimeter system onboard the ice,cloud,and land elevation satellite)波形數(shù)據(jù)中提取波形參數(shù)(波形長(zhǎng)度W、地形坡度參數(shù)TS、比值能量參數(shù)I和差值能量參數(shù)ec),利用這些參數(shù)實(shí)現(xiàn)GLAS波形數(shù)據(jù)對(duì)各森林類型(闊葉林、針葉林和混交林)的森林最大樹高、森林郁閉度和森林地上生物量的估測(cè)。但由于GLAS光斑呈離散條帶狀分布,不具有成像性,不能實(shí)現(xiàn)森林參數(shù)的區(qū)域估測(cè),所以本研究引入HJ-1A/HSI高光譜影像,協(xié)助GLAS波形數(shù)據(jù)對(duì)森林參數(shù)進(jìn)行空間反演,應(yīng)用支持向量回歸機(jī)算法建立GLAS估測(cè)的森林參數(shù)與HJ-1A/HSI高光譜影像光譜信息間的關(guān)系模型,得到森林參數(shù)的空間分布圖。主要研究結(jié)果如下：(1)基于分段主成分分析和波段指數(shù)綜合法對(duì)HJ-1A/HSI高光譜數(shù)據(jù)降維,選出最佳波段為波段2、波段52和波段107,波段之間的相關(guān)性小,信息量大。但由于HJ-1A/HSI數(shù)據(jù)的空間分辨率低,分類結(jié)果不理想(分類精度為70.5%)。將其與CCD數(shù)據(jù)融合后空間分辨率得到提高,基于支持向量分類機(jī)算法,利用融合后影像的波段信息及波段紋理特征信息將分類精度提高到了85.3%。(2)基于GLAS波形提取的地形坡度參數(shù)TS,與地形坡度間存在很強(qiáng)的相關(guān)性�；赪和TS建立的森林最大樹高模型要優(yōu)于只利用W建立的森林最大樹高模型和利用地形指數(shù)修正的森林最大樹高模型�；谥С窒蛄炕貧w機(jī)算法,建立了GLAS估測(cè)森林最大樹高與HJ-1A/HSI高光譜影像前3個(gè)MNF分量的SVR模型,生成森林最大樹高分布圖,其估測(cè)誤差的最大值為7.1m,最小值為0.07m,25%的估測(cè)誤差小于等于0.75m,50%的估測(cè)誤差在0.75m-2.31m之間,精度較高。(3)對(duì)于GLAS波形來(lái)說(shuō),利用比值能量參數(shù)I75所建模型的估測(cè)效果優(yōu)于利用差值能量參數(shù)ec所建模型,將I,5和ec聯(lián)合建立的多變量模型的精度最高。利用HJ-1A/HSI高光譜數(shù)據(jù)進(jìn)行森林郁閉度建模時(shí),多變量森林郁閉度模型的估測(cè)效果優(yōu)于單變量森林郁閉度估測(cè)效果。HJ-1A/HSI所建多變量森林郁閉度模型的估測(cè)效果稍高于GLAS所建多變量模型,因此本研究最終采用HJ-1A/HSI高光譜影像生成森林郁閉度分布圖,并對(duì)所得森林郁閉度分布圖的估測(cè)誤差進(jìn)行分析,其中25%的估測(cè)誤差小于等于0.031,50%的估測(cè)誤差在0.031-0.126之間,估測(cè)精度較高。(4)利用GLAS估測(cè)的森林最大樹高建立的森林地上生物量單變量模型的估測(cè)效果不是很理想,但是將GLAS估測(cè)的森林最大樹高與HSI估測(cè)的森林郁閉度相結(jié)合,利用多元線性回歸和支持向量回歸分別建立各森林類型的森林地上生物量模型,模型的估測(cè)效果有了很大的提高,支持向量回歸模型的估測(cè)效果要優(yōu)于多元線性回歸模型。
[Abstract]:The traditional forest parameter acquisition mainly depends on the field investigation, requires a lot of manpower, material resources and time, and can only access to the data on the spatial distribution can not timely access to large areas of forest parameters. Remote sensing technology and the development of the shortcoming of traditional estimation methods, can be achieved on the large area of forest parameters quickly to improve the accuracy, nondestructive estimation, estimation of forest parameters, to meet the need of forest resource survey. In this study, Wangqing forest area of Jilin Province as the study area, from ICESat-GLAS (the geoscience laser altimeter system onboard the ice, cloud and, land elevation satellite) extracted from the waveform parameters in the waveform data (wave length W, terrain slope parameter TS, the ratio of energy parameter I and the difference between the energy parameters of EC, GLAS) waveform data on all forest types using these parameters (broad-leaved forest, coniferous forest and mixed forest The maximum tree height) forest forest biomass estimation, forest canopy density and forest floor. But because the GLAS spot was discrete strip distribution, not with imaging, can not achieve the estimation of forest parameters, so the introduction of HJ-1A/HSI hyperspectral image, assist GLAS waveform data inversion of forest parameters. Application of support vector machine algorithm to establish the relationship model of forest parameters and HJ-1A/HSI hyperspectral image spectral information GLAS estimation of the spatial distribution of forest parameters. The main results are as follows: (1) the comprehensive method of segmented principal component analysis and band index for dimensionality reduction of hyperspectral data based on HJ-1A/HSI, select the best band to band 2 that band 52 and band 107, band correlation between small and large amount of information. But due to the low spatial resolution of HJ-1A/HSI data, the classification result is not ideal (classification accuracy was 70.5%) with the CCD. After data fusion can improve the spatial resolution, support vector machine classification algorithm based on the information fusion band and band texture feature information image classification accuracy is improved to 85.3%. (2) terrain slope parameter TS GLAS waveform based on the extraction, and terrain slope between the strong correlation between W and TS. The largest tree forest the establishment of the model is better than that of the high model and the high model of maximum tree forest terrain Index Revised by the biggest tree forest based on W. Support vector regression algorithm based on GLAS is established to estimate forest maximum tree SVR model 3 MNF component and high HJ-1A /HSI hyperspectral image, maximum spanning forest tree height distribution map, the maximum estimation error is 7.1m, the minimum value is 0.07m, the estimation error is less than or equal to 25% 0.75m, 50% of the estimated error between 0.75m-2.31m, the accuracy is higher. (3) for the GLAS wave, Li With the ratio of energy parameter I75 model estimation is better than using difference energy parameters of EC model, I, multivariate model 5 and EC jointly established the highest accuracy. The forest canopy density modeling using HJ-1A/HSI hyperspectral data, estimation results of multivariate forest canopy density estimation model is better than the single variable forest the effect of canopy density estimation.HJ-1A/HSI multi variable model of forest canopy density is slightly higher than that of GLAS built a multivariate model, this study adopts HJ-1A/HSI hyperspectral image generation forest canopy density distribution map, and on the estimation of forest canopy density distribution of the error were analyzed, of which 25% of the estimated error of the estimation error is less than or equal to 0.031,50% between 0.031-0.126, estimation accuracy is high. (4) to estimate the effect of biomass of single variable model is established by using high maximum tree forest GLAS estimation of forest land is not Very good, but the maximum tree forest GLAS estimation and HSI estimation combined with high canopy density, biomass models for different forest types of forest land were established by multiple linear regression and support vector regression model to estimate the effect has been greatly improved and the support effect estimation of regression model to better than multivariate the linear regression model.

【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：S718.5;S771.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉正恩,王昱生,潘介正,葛劍平;羊草草原地上生物量的預(yù)測(cè)[J];生態(tài)學(xué)雜志;2004年04期

2 安尼瓦爾·買買提;楊元合;郭兆迪;方精云;;新疆草地植被的地上生物量[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

3 吳建付;陳功;楊紅麗;申亞楠;龍光強(qiáng);;利用高光譜技術(shù)進(jìn)行草地地上生物量估測(cè)[J];草業(yè)與畜牧;2009年04期

4 趙景學(xué);陳曉鵬;曲廣鵬;多吉頓珠;尚占環(huán);;藏北高寒植被地上生物量與土壤環(huán)境因子的關(guān)系[J];中國(guó)草地學(xué)報(bào);2011年01期

5 張志;田昕;陳爾學(xué);何祺勝;;森林地上生物量估測(cè)方法研究綜述[J];北京林業(yè)大學(xué)學(xué)報(bào);2011年05期

6 溫美佳;賈光林;宋經(jīng)元;謝彩香;劉美子;鄭司浩;辛天怡;;若爾蓋白河牧場(chǎng)地上生物量與遙感植被指數(shù)關(guān)系研究[J];世界科學(xué)技術(shù)(中醫(yī)藥現(xiàn)代化);2012年01期

7 李萍;朱清科;劉中奇;趙薈;鄺高明;王晶;;半干旱黃土區(qū)地上生物量對(duì)立地因子的響應(yīng)[J];中國(guó)水土保持科學(xué);2012年02期

8 張小琪;盛建東;武紅旗;谷海斌;龔雙鳳;;典型草地地上生物量遙感反演模型的建立[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2013年04期

9 唐天云;胡庭興;陳光升;羅龍海;武衛(wèi)國(guó);劉闖;;川西地區(qū)蜜桔林不同遮蔭度對(duì)3種禾草生物特性和地上生物量的作用[J];草業(yè)科學(xué);2008年08期

10 張凱;郭鈮;王潤(rùn)元;王小平;王靜;;甘南草地地上生物量的高光譜遙感估算研究[J];草業(yè)科學(xué);2009年11期

相關(guān)會(huì)議論文 前7條

1 王梓;馬履一;;滴灌灌溉施肥下一年生歐美107楊地上生物量水肥耦合效應(yīng)[A];第九屆中國(guó)林業(yè)青年學(xué)術(shù)年會(huì)論文摘要集[C];2010年

2 劉文輝;周青平;顏紅波;梁國(guó)玲;;青海扁莖早熟禾種群地上生物量積累動(dòng)態(tài)[A];2012第二屆中國(guó)草業(yè)大會(huì)論文集[C];2012年

3 何峰;李向林;萬(wàn)里強(qiáng);王國(guó)良;;壩上羊草草原不同時(shí)期生長(zhǎng)比較研究[A];中國(guó)草學(xué)會(huì)飼料生產(chǎn)委員會(huì)2007年會(huì)暨第十四次學(xué)術(shù)研討會(huì)論文集[C];2007年

4 王小平;郭鈮;張凱;王靜;;甘南牧區(qū)草地地上生物量的高光譜遙感估算模型[A];第七屆全國(guó)優(yōu)秀青年氣象科技工作者學(xué)術(shù)研討會(huì)論文集[C];2010年

5 龐勇;黃克標(biāo);李增元;舒清態(tài);;大湄公河次區(qū)域森林地上生物量遙感反演[A];發(fā)揮資源科技優(yōu)勢(shì) 保障西部創(chuàng)新發(fā)展——中國(guó)自然資源學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2011年

6 黃春燕;王登偉;陳冠文;袁杰;祁亞琴;陳燕;;基于高光譜植被指數(shù)的棉花地上生物量估算模型研究[A];中國(guó)科協(xié)2005年學(xué)術(shù)年會(huì)“新疆現(xiàn)代農(nóng)業(yè)論壇”論文專集[C];2005年

7 王小平;郭鈮;張凱;王靜;;甘南牧區(qū)草地地上生物量的高光譜遙感估算模型[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)干旱半干旱區(qū)地氣相互作用分會(huì)場(chǎng)論文集[C];2010年

相關(guān)博士學(xué)位論文 前6條

1 吳迪;基于GLAS和MISR數(shù)據(jù)的森林冠層高度和地上生物量遙感估算研究[D];東北林業(yè)大學(xué);2015年

2 邱賽;ICESat-GLAS波形與HJ-1A高光譜影像聯(lián)合反演森林地上生物量的研究[D];東北林業(yè)大學(xué);2016年

3 凌成星;Worldview-2八波段影像支持下的濕地信息提取與地上生物量估算研究[D];中國(guó)林業(yè)科學(xué)研究院;2013年

4 宋彥濤;松嫩草地植物功能生態(tài)學(xué)研究[D];東北師范大學(xué);2012年

5 何丹;改良措施對(duì)天然草原植被及土壤的影響[D];中國(guó)農(nóng)業(yè)科學(xué)院;2009年

6 王梓;歐美107楊苗木精準(zhǔn)灌溉施肥制度研究[D];北京林業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 陳麗佳;鹽池縣草地退化及地上生物量遙感反演研究[D];寧夏大學(xué);2015年

2 陸宗宇;在區(qū)域尺度上林齡、氣候與森林地上生物量關(guān)系的研究[D];華北電力大學(xué);2015年

3 王晨;外界因素對(duì)皖南毛竹地上生物量以及竹筍生長(zhǎng)特性的影響[D];安徽農(nóng)業(yè)大學(xué);2014年

4 周鑫;北疆草地地上生物量遙感監(jiān)測(cè)模型對(duì)比分析[D];新疆農(nóng)業(yè)大學(xué);2015年

5 符佩斌;紅原高寒草地沙化進(jìn)程中植物群落及土壤理化性狀特征研究[D];四川農(nóng)業(yè)大學(xué);2015年

6 張穎;基于高分辨率遙感和極化雷達(dá)數(shù)據(jù)的大興安嶺地區(qū)森林地上生物量估測(cè)[D];北京林業(yè)大學(xué);2016年

7 尚珂;基于支持向量機(jī)回歸的草地地上生物量遙感估測(cè)研究[D];西南林業(yè)大學(xué);2015年

8 魏志成;不同類型草地地上生物量空間分布格局的研究[D];西北農(nóng)林科技大學(xué);2016年

9 何游云;無(wú)人機(jī)遙感估測(cè)林木地上生物量的研究[D];北京林業(yè)大學(xué);2016年

10 郭云;基于多源數(shù)據(jù)的山區(qū)森林地上生物量反演及動(dòng)態(tài)模擬[D];福州大學(xué);2014年

，

本文編號(hào)：1601193