桉树人工林生物量遥感估测模型研究

摘要

以高峰林场桉树林为研究对象，利用Landsat TM影像、数字高程模型，结合2009年森林资源二类调查数据，探讨桉树人工林生物量遥感估测方法。从研究区的桉树小班中随机抽取346个小班作为样地小班，提取各遥感数据和地形数据与桉树生物量进行相关性分析。采用随机抽样的方法，从样地小班中选取242个样地用于回归模型构建和BP人工神经网络模型的训练样本；71个样地用于BP人工神经网络模型的模拟样本；剩余的33个样地进行模型的精度检验和误差分析。
　　 研究结果显示：①从遥感图像和数字高程模型中派生的19个变量因子中，与桉树林生物量显著相关的有10个，相关系数大小排序为：PVI>GVI>TM4>DVI>NDVI>TM3>MSAVI>TM7>SAVI>RVI，其中在0.01水平上显著相关的有8个因子；在0.05水平上显著相关的有SAVI、RVI，最高相关系数仅为0.577。②利用桉树样地生物量与通过相关分析筛选得到的10个变量建立一元线性回归、一元非线性回归和多元线性回归模型。通过比较，获得桉树林生物量最优回归模型为Y=246.808+16.899TM3-13.729TM4+1.7671M7+29.735RVI+488.234NDVI+13.617GVI+184.261SAVI-514.677MSAVI，R为0.571，在0.05水平上显著。③利用BP人工神经网络建立桉树林生物量非线性预测模型与样地生物量的相对误差为10.1％，估算精度达到89.9％；而桉树生物量最优回归模型的估算精度仅为84.7％，说明BP人工神经网络的非线性理论能较真实的反映研究区桉树林生物量的实际情况。④利用BP人工神经网络构建桉树生物量遥感估测模型对研究区桉树生物量进行估测，研究区内桉树林总生物量为159066.511t。

目录

文摘

英文文摘

第一章 引言

1.1 研究背景

1.2 国内外研究现状

1.2.1 传统生物量估测

1.2.2 基于遥感技术的生物量估测

1.3 研究目的与意义

1.3.1 研究目的

1.3.2 研究意义

1.4 论文创新点

第二章 研究区概况与研究方案

2.1 研究区概况

2.1.1 地理位置

2.1.2 地貌

2.1.3 气候

2.1.4 土壤

2.1.5 林业生产

2.1.6 经济概况

2.2 研究内容

2.3 研究技术路线

2.3.1 数据分析处理工具

2.3.2 研究技术路线

第三章 研究数据资料的选择与处理方法

3.1 研究数据资料选择

3.1.1 遥感影像数据资料

3.1.2 森林资源调查数据资料

3.1.3 主要图件数据资料

3.2 数据处理

3.2.1 桉树林生物量换算

3.2.2 遥感数据预处理

3.2.3 遥感数据信息提取

3.2.4 地形数据信息提取

3.3.5 建模因子量化处理

第四章 生物量遥感模型构建

4.1 桉树林生物量与各因子的相关性分析

4.1.1 相关分析

4.1.2 桉树林生物量与各遥感因子的相关性分析

4.2 传统回归方法桉树林生物量模型构建

4.2.1 回归模型

4.2.2 桉树林生物量与各自变量一元回归模型

4.2.3 桉树林生物量与自变量多元回归模型

4.3 BP人工神经网络桉树林生物量模型构建

4.3.1 模型样本数据预处理

4.3.2 网络结构及参数确定

4.3.3 网络建立及样本训练

4.4 桉树林生物量模型精度检验分析

4.5 研究区桉树林生物量估测

第五章 结论与讨论

5.1 结论

5.2 讨论

参考文献

致谢

攻读学位期间发表的论文