基于多源遥感数据的森林郁闭度估测方法研究

《基于多源遥感数据的森林郁闭度估测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10135论文分类号:________学号：20124017028研究生类别：全曰制碩士学位办文基于多源遥感数据的森林郁闭度估测方法研究StudyonEstimatingMethodsofForestCanopyClosureBasedonMulti-sourceRemoteSensingData学科门类:理学-级学科:地理学学科V专业:地图学与地理信息系统研究方向:资源与环境遥感申请人姓名:_______张瑞英_______指导教师姓名:李増元研究员庞勇研究员包玉海教授二O—五年五月二十曰独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果，尽

2、我段知，除了文中特别加以标注和致谢的地方外，'论文中不包含其彳感*V已经发表或撰写过的研究成果，也不包含本人为获得内蒙古师范大学或其它教育机构的学位或证书而使用过的材料。本人保证所呈交的论文不侵犯国家机密、商业秘密及其他合法权益。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示感谢。签名日期：wr年r月咕曰关于论文使用授权的说明本学位论文作者完全了解内蒙古师范大学有关保留、使用学位论文的规定：内蒙古师范大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅，可以将学位论文的全部或部分内容编入有关数据库进行检索，可以釆用影印、缩印或扫描等复

3、制手段保存、汇编学位论文，并且本人电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也考守此规定。士签名：森导师签名：f曰期：年X-月^曰内蒙古师范大学硕士学位论文本研究得到了国家科技部863课题“全球森林生物量和碳储量遥感估测关键技术（编号：2012AA12A306）”和973课题“森林垂直结构信息多模式遥感协同反演与动态分析（编号：2013CB733404)”的支持。内蒙古师范大学硕士学位论文中文摘要森林郁闭度是森林资源调查中的一个重要因子，在森林生态系统管理中具有重要作用。因激光雷达具有高效率、高精度的获取森林垂直结构信息的能力，近年来被广泛应用于森林结构参数（地上生物

4、量、郁闭度、植被覆盖度等）的遥感估测研究中，而在国内，森林郁闭度的遥感估测方面还没有相关的应用研究。因此，研究如何有效的将激光雷达数据与其他遥感数据结合，应用于森林郁闭度遥感估测具有重大意义。本研究结合激光雷达数据和多源遥感影像数据（LANDSATETM+影像和ALOSPALSAR影像）估测森林郁闭度。以高密度机载激光雷达（AirborneLaserScanning,ALS）点云数据估算的郁闭度作为模型训练数据和验证数据，基于LANDSATETM+影像提波段反射率、植被指数和GLCM纹理特征，基于ALOSPALSAR影像提取的后向散射系数和GLCM纹理特征，分别作为自变量参与构建多元逐

5、步回归（Multi-variablestepwiseregression，MSR）、随机森林（RandomForest，RF）和Cubist三种模型，对内蒙古大兴安岭根河林区森林郁闭度进行估测。通过对基于同一数据源的三种模型的反演结果和对基于同一模型的不同数据源的预测结果的对比分析，得到以下结论：（1）综合来看，就三种模型而言，Cubist模型最优，最稳定，其预测能力最强，反演效果最好：基于LANDSATETM+影像的Cubist模型建模精度，R²=0.956，RMSE=0.058，反演精度R²=0.977，RMSE=0.041，rRMSE=0.073，EA(%)=92.712；基于A

6、LOSPALSAR影像的Cubist模型建模精度R²=0.846，RMSE=0.108，反演精度R²=0.960，RMSE=0.055，rRMSE=0.101，EA(%)=90.368。随机森林存在建模精度高，而反演精度低的情况，其预测能力较差，且高郁闭度低估和低郁闭度高估的情况较为严重。多元逐步回归预测结果存在异常值，反演精度明显高于建模精度，说明其稳定性不够，泛化能力内蒙古师范大学硕士学位论文不强。（2）从郁闭度反演结果可以看出，三种模型均存在不同程度的低郁闭度高估和高郁闭度低估现象，这也是目前森林参数遥感反演普遍存在且难以避免的问题。基于LANDSATETM+影像和ALOSPAL

7、SAR影像两种不同数据源的预测结果一致性较好，郁闭度的预测值趋势相似，精度较高。MSR模型、RF模型和Cubist模型基于两种2数据源的郁闭度估测结果的拟合精度逐步提高，R分别为0.9874、0.9881和0.9883。但在高值低估，低值高估方面，基于ALOSPALSAR影像的反演结果较基于LANDSATETM+影像的反演结果更显著，基于LANDSATETM+影像的反演精度较高，预测能力更强。在遥感因子的选择上，基于LANDSATETM+影像和