本文選題：森林物種多樣性 + GF-2�。� 參考：《中國林業(yè)科學研究院》2017年博士論文

【摘要】：生物多樣性是維持生態(tài)系統(tǒng)健康和提供服務(wù)功能的基礎(chǔ)。生物多樣性監(jiān)測是生物多樣性保護的重要組成部分,使得各國政府和民間社會發(fā)現(xiàn)問題、制定解決方案,評估在實現(xiàn)“生物多樣性公約”目標方面的行動和進展。機載高光譜數(shù)據(jù)具有高光譜和高空間分辨率特點,對估測森林物種多樣性的分布具有較大潛力。但是,高空間分辨率的特點有可能成為限制高光譜數(shù)據(jù)對森林物種多樣性估測精度的因素,特別是當像素尺寸小于樹種識別尺度(例如樹冠)時。機載激光雷達是一種主動遙感方式,由于其具有探測三維植被結(jié)構(gòu)的能力,在生態(tài)和生物多樣性保護研究方面愈發(fā)重要。由于不同物種間的競爭關(guān)系,不同的物種趨向于占據(jù)森林冠層中不同空間,因此使用LiDAR提取的森林垂直結(jié)構(gòu)參數(shù)估測森林物種多樣性成為可能。本文的目標是評估高分二號(GF-2)多光譜衛(wèi)星數(shù)據(jù)、機載高光譜數(shù)據(jù)、機載激光雷達點云數(shù)據(jù)和模擬星載大光斑激光雷達波形數(shù)據(jù)對研究區(qū)森林喬木物種多樣性的解釋、預(yù)測能力。本文探索了森林喬木物種α多樣性指數(shù)如物種豐富度、Shannon-Wiener和Simpson多樣性指數(shù)、Pielou均勻性指數(shù)與遙感數(shù)據(jù)提取的森林垂直結(jié)構(gòu)參數(shù)、光譜指數(shù)和紋理特征的關(guān)系。由于多源遙感數(shù)據(jù)提取的參數(shù)眾多,本文使用隨機森林(Random Forest,RF)方法篩選出與森林喬木物種多樣性最相關(guān)的變量集,然后比較了四種不同機器學習模型(隨機森林、SVR、KNN和Cubist)對森林喬木物種多樣性的建模能力。根據(jù)各模型表現(xiàn),選擇了SVR算法對研究區(qū)森林喬木物種多樣性進行估測研究,并使用十折交叉驗證的方式考察SVR模型對各物種多樣性的估測精度。論文的主要結(jié)果與結(jié)論如下:(1)機器學習方法有助于從海量多源遙感數(shù)據(jù)源中選擇適合當前試驗區(qū)的主要特征,并在線性不可分的情況下充分探索樣本中各特征值的分布情況,提高多源遙感數(shù)據(jù)源對森林喬木物種多樣性分布的解釋能力。(2)高分辨率遙感數(shù)據(jù)提取的森林冠層光譜異質(zhì)性特征對兩個試驗區(qū)Shannon-Wiener、Simpson物種多樣性指數(shù)和Pielou物種均勻性指數(shù)的分布均具有較好的解釋能力(R~20.54),對森林α物種多樣性的估測具有重要意義。(3)激光雷達提取的特征從垂直結(jié)構(gòu)層面對云南普洱試驗區(qū)森林喬木物種多樣性分布具有較好的解釋能力(R~20.54)。激光雷達數(shù)據(jù)的加入,可以提高高分辨率光學數(shù)據(jù)對森林喬木物種豐富度、Simpson多樣性指數(shù)及Pielou均勻性指數(shù)的估測精度。其中,結(jié)合機載激光雷達數(shù)據(jù)和高光譜數(shù)據(jù)提取特征具有最好的估測精度,尤其是對物種豐富度的估測精度(R~2=0.74,RMSE=3.36)高于其他數(shù)據(jù)源。(4)GF-2號數(shù)據(jù)對Shannon-Wiener和Simpson物種多樣性指數(shù)、Pielou物種均勻度指數(shù)的估測精度與機載高光譜的估測精度類似。在使用遙感數(shù)據(jù)對森林喬木物種多樣性間接估測時,遙感數(shù)據(jù)對這三種多樣性指數(shù)的解釋能力并沒有隨著空間及光譜分辨率的大幅提高而提高。(5)結(jié)合模擬大光斑波形數(shù)據(jù)提取的森林垂直結(jié)構(gòu)參數(shù)與GF-2多光譜數(shù)據(jù)提取的植被指數(shù)和紋理信息對普洱試驗區(qū)森林喬木物種多樣性的分布比單一數(shù)據(jù)源具有較好的估測精度(物種豐富度:R~2=0.58,RMSE=4.2;Shannon-Wiener多樣性指數(shù):R~2=0.7,RMSE=0.47;Simpson多樣性指數(shù):R~2=0.73,RMSE=0.164;Pielou均勻性指數(shù):R~2=0.68,RMSE=0.15)。對我國陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星的生物多樣性應(yīng)用具有參考價值。
[Abstract]:Biodiversity is the basis for the maintenance of ecosystem health and service functions. Biodiversity monitoring is an important component of biodiversity conservation. It makes governments and civil society identify problems, formulate solutions, and assess the action and progress in achieving the objectives of the Convention on biological diversity. Airborne Hyperspectral Data The characteristics of hyperspectral and high spatial resolution have great potential for estimating the distribution of forest species diversity. However, the characteristics of high spatial resolution may be a factor limiting the accuracy of hyperspectral data to estimate forest species diversity, especially when the pixel size is smaller than the tree recognition scale (such as the crown). It is an active remote sensing method. Because of its ability to detect the three-dimensional vegetation structure, it is becoming more and more important in the study of ecological and biological diversity protection. Because of the competitive relationships among different species, different species tend to occupy different spaces in the forest canopy. Therefore, the forest objects are estimated using the forest vertical structure parameters extracted by LiDAR. The objective of this paper is to evaluate the high score two (GF-2) multi spectral satellite data, Airborne Hyperspectral Data, airborne laser radar point cloud data and simulated satellite large spot laser radar waveform data to explain the species diversity of forest tree species in the study area. This paper explores the alpha diversity of forest tree species. The relationship between the species richness, the Shannon-Wiener and Simpson diversity index, the Pielou evenness index and the forest vertical structure parameters, the spectral index and the texture feature extracted by remote sensing data. Because of the many parameters extracted from the multi source remote sensing data, this paper uses the random forest (Random Forest, RF) method to select the species diversity of the forest tree species. The most relevant variables set, and then compare the modeling ability of four different machine learning models (random forest, SVR, KNN and Cubist) for forest tree species diversity. According to the performance of each model, the SVR algorithm is selected to estimate the species diversity of the forest tree species in the study area, and the SVR model is examined by the way of ten fold cross validation. The main results and conclusions of the species diversity are as follows: (1) the machine learning method is helpful to select the main features suitable for the current test area from the mass multi-source remote sensing data source, and to fully explore the distribution of the characteristic values in the sample, and improve the multi source remote sensing data source to forest Joe. The interpretation ability of tree species diversity distribution. (2) the spectral heterogeneity of forest canopy from high resolution remote sensing data has good explanatory ability (R~20.54) for the distribution of Shannon-Wiener, Simpson species diversity index and Pielou species uniformity index (R~20.54), which is important for estimating the diversity of forest species. (3) the characteristics of the laser radar extracted from the vertical structural layer have a good interpretation ability (R~20.54) in the forest species diversity distribution in Yunnan Pu'er test area. The addition of laser radar data can improve the estimation of the species richness, the Simpson diversity index and the Pielou evenness index of high resolution optical data to forest trees. Precision. Among them, combined with airborne lidar data and hyperspectral data extraction features have the best estimation accuracy, especially for species richness estimation accuracy (R~2=0.74, RMSE=3.36) is higher than other data sources. (4) GF-2 data on Shannon-Wiener and Simpson species diversity index, Pielou species evenness index estimation accuracy and machine The estimation accuracy of the high spectrum is similar. When using remote sensing data to estimate the species diversity of forest tree species, the interpretation ability of remote sensing data to these three diversity indices does not increase with the spatial and spectral resolution. (5) the forest vertical structure parameters extracted with simulated large spot waveform data and GF-2 The vegetation index and texture information extracted by spectral data have better estimation accuracy (species richness: R~2=0.58, RMSE=4.2; Shannon-Wiener diversity index: R~2=0.7, RMSE=0.47; Simpson diversity index: R~2=0.73, RMSE=0.164; Pielou evenness index: R~2=: R~2=: R~2=: R~2=: R~2=; Pielou evenness index: R~2=: R~2=: R~2= 0.68, RMSE=0.15). It has reference value for biodiversity monitoring of terrestrial ecosystem carbon monitoring satellite in China.
【學位授予單位】：中國林業(yè)科學研究院
【學位級別】：博士
【學位授予年份】：2017
【分類號】：S718.5

【相似文獻】

相關(guān)期刊論文 前10條

1 劉艷紅,趙惠勛;干擾與物種多樣性維持理論研究進展[J];北京林業(yè)大學學報;2000年04期

2 李帥英,吳增志,李保會;物種多樣性研究進展[J];河北林果研究;2002年01期

3 楊利民;物種多樣性維持機制研究進展[J];吉林農(nóng)業(yè)大學學報;2001年04期

4 吳小巧,丁雨龍;江蘇云臺山物種多樣性及保護[J];江西農(nóng)業(yè)大學學報(自然科學);2004年02期

5 肖輝林;捕食動物物種多樣性的重要性[J];生態(tài)環(huán)境;2004年03期

6 閆淑君,洪偉,吳承禎,畢曉麗,范海蘭;中亞熱帶常綠闊葉林林隙與物種多樣性的關(guān)系研究[J];中國生態(tài)農(nóng)業(yè)學報;2005年01期

7 祁素萍;劉飛鳳;王義輝;;城市園林物種多樣性保護效應(yīng)[J];中國園林;2008年07期

8 孫龍;李俊濤;;哈爾濱城郊防護林物種多樣性研究[J];防護林科技;2008年05期

9 鄭開基;何東進;洪偉;劉進山;蔡昌棠;王其炳;李曉景;劉翠;;天寶巖自然保護區(qū)不同海拔天然柳杉林物種多樣性[J];四川農(nóng)業(yè)大學學報;2009年03期

10 江小雷;李偉綺;岳靜;郝敏;張衛(wèi)國;劉允佳;李飛;;土壤有效空間對物種多樣性-生產(chǎn)力關(guān)系的影響[J];蘭州大學學報(自然科學版);2010年03期

相關(guān)會議論文 前10條

1 董潔;唐廷貴;;天津物種多樣性現(xiàn)狀及喪失原因分析[A];生物多樣性與人類未來——第二屆全國生物多樣性保護與持續(xù)利用研討會論文集[C];1996年

2 Abdulla Abbas;Adiljan Abdulla;Reyim Mamut;Mayira Mahmut;Anwar Tumur;;新疆阿伍寨溝地衣的物種多樣性(英文)[A];Abstracts of International Symposium on Systematic Lichenology & Bryology[C];2010年

3 吳志強;黃德練;常濤;耿俊杰;武文麗;姜恒;;廣西欽州茅尾海紅樹林保護區(qū)魚類物種多樣性分析[A];中國海洋湖沼學會魚類學分會、中國動物學會魚類學分會2012年學術(shù)研討會論文摘要匯編[C];2012年

4 郭明權(quán);閆淑珍;陳雙林;;云南大圍山自然保護區(qū)的黏菌物種多樣性[A];中國菌物學會第六屆會員代表大會（2014年學術(shù)年會）暨貴州省食用菌產(chǎn)業(yè)發(fā)展高峰論壇會議摘要[C];2014年

5 楊德敏;張宏;牟文彬;劉玉成;李強軍;孫燁;汪毅;李良俊;;云陽人工柏木林的物種多樣性及其森林管護對策研究[A];農(nóng)業(yè)生物災(zāi)害預(yù)防與控制研究[C];2005年

6 田豐歌;徐兆禮;;水團變化對福建中部近海浮游動物物種多樣性的影響[A];中國甲殼動物學會第十一屆年會暨學術(shù)研討會論文摘要集[C];2011年

7 杜飛雁;李純厚;賈曉平;林欽;;珠江口浮游動物物種多樣性研究[A];可持續(xù)水產(chǎn)養(yǎng)殖——資源、環(huán)境、質(zhì)量——2003水產(chǎn)科技論壇論文集[C];2003年

8 游水生;何育城;吳明盛;;福建武平帽布天然米櫧林皆伐火燒后物種多樣性變化的研究[A];生物多樣性與人類未來——第二屆全國生物多樣性保護與持續(xù)利用研討會論文集[C];1996年

9 朱海勇;陳永金;劉加珍;;塔里木河中游物種多樣性與水鹽關(guān)系分析[A];發(fā)揮資源科技優(yōu)勢 保障西部創(chuàng)新發(fā)展——中國自然資源學會2011年學術(shù)年會論文集（下冊）[C];2011年

10 高欣;朱曦;魯慶彬;楊仙玉;胡軍祥;周圻;;浙江望東W煾呱絞刈勻槐；で鎦侄嘌匝芯縖A];中國生物多樣性保護與研究進展Ⅶ——第七屆全國生物多樣性保護與持續(xù)利用研討會論文集[C];2006年

相關(guān)重要報紙文章 前10條

1 ;我國是物種多樣性最豐富國家之一[N];云南科技報;2001年

2 本報記者 薛秀泓;物種多樣性同樣可共生互利[N];中國改革報;2008年

3 廖君福 劉典文;物種多樣性發(fā)展趨勢蘊藏種苗業(yè)發(fā)展商機[N];中國綠色時報;2008年

4 嘉 興;因濫伐森林東南亞物種多樣性嚴重受損[N];大眾科技報;2003年

5 綜合;什么是遺傳多樣性、物種多樣性、生態(tài)系統(tǒng)多樣性?[N];友報;2008年

6 記者 江萌邋通訊員 劉穎;合法貿(mào)易可促進物種多樣性發(fā)展[N];湖北日報;2007年

7 本報記者　 文婧;“植物也是有知識產(chǎn)權(quán)的”[N];經(jīng)濟參考報;2006年

8 黃蓉芳;廣州致力物種多樣性保護[N];中國花卉報;2011年

9 卓科;創(chuàng)建與品位的“一二三”[N];柳州日報;2009年

10 記者 王海燕;百萬公頃森林將首次健康“體檢”[N];北京日報;2010年

相關(guān)博士學位論文 前10條

1 劉魯霞;基于多源遙感數(shù)據(jù)亞熱帶森林喬木物種多樣性估測研究[D];中國林業(yè)科學研究院;2017年

2 王宏濤;蜿蜒型河流空間異質(zhì)性和物種多樣性相關(guān)關(guān)系研究[D];中國水利水電科學研究院;2017年

3 劉會玉;物種多樣性對棲息地毀壞時空異質(zhì)性的響應(yīng)機制研究[D];南京師范大學;2006年

4 沈國春;生境異質(zhì)性和擴散限制對亞熱帶和熱帶森林物種多樣性維持的作用[D];浙江大學;2010年

5 江小雷;人工草地植物種多樣性對生態(tài)系統(tǒng)功能的影響[D];蘭州大學;2006年

6 許涵;海南尖峰嶺熱帶天然林物種多樣性時空變化規(guī)律研究[D];中國林業(yè)科學研究院;2010年

7 張全國;物種多樣性對生態(tài)系統(tǒng)生產(chǎn)力與穩(wěn)定性的作用：藻類微宇宙實驗研究[D];北京師范大學;2005年

8 盧煒麗;重慶四面山植物群落結(jié)構(gòu)及物種多樣性研究[D];北京林業(yè)大學;2009年

9 張巧明;秦嶺南坡中段主要植物群落及物種多樣性研究[D];西北農(nóng)林科技大學;2012年

10 劉艷紅;東北東部森林植物多樣性及其影響因素研究[D];東北林業(yè)大學;2002年

相關(guān)碩士學位論文 前10條

1 陳嚴嚴;蒙古沙冬青深色有隔內(nèi)生真菌定殖和物種多樣性研究[D];河北大學;2015年

2 孫小麗;氣候因子和土壤養(yǎng)分對荒漠草原物種多樣性、生產(chǎn)力及其關(guān)系的影響[D];內(nèi)蒙古大學;2015年

3 鄧宏兼;黃龍山林區(qū)油松針闊混交林物種多樣性及種間聯(lián)結(jié)研究[D];西北農(nóng)林科技大學;2015年

4 劉志強;12種植物根瘤內(nèi)生固氮放線菌物種多樣性研究[D];河北大學;2010年

5 劉甲午;林分結(jié)構(gòu)和土壤理化性質(zhì)對華北落葉松人工林物種多樣性的影響[D];河北農(nóng)業(yè)大學;2015年

6 王庭權(quán);艾比湖區(qū)域荒漠植物的物種多樣性、點格局和生態(tài)位[D];新疆大學;2015年

7 蔡錳柯;不同杉木林經(jīng)營模式植物物種多樣性特征的比較研究[D];福建農(nóng)林大學;2015年

8 涂磊;北京西山國家森林公園植物群落研究[D];北京林業(yè)大學;2016年

9 劉慶福;景觀異質(zhì)性對多尺度物種多樣性的影響—區(qū)分環(huán)境與人類活動的時間[D];內(nèi)蒙古大學;2016年

10 張碩;遼西南草地植物資源與物種多樣性的研究[D];遼寧大學;2016年

，

本文編號：1913225