基于多源遥感数据的毛竹林冠层郁闭度多尺度反演研究

《基于多源遥感数据的毛竹林冠层郁闭度多尺度反演研究》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、密级公开ＵＤＣ６３０硕ｉ学位论文基于多源遥感数据的毛竹林冠层郁巧度多尺度反演研究作者姓名：＾杜华强指导教师：寐＃经；里学学科专业名称：寐林资源遥感监测与信息技术＾＾＾环境欄学院所在学院：？２０巧钢月９Ｂ论文提交日期：浙江农林大学２０１５年６月９曰ZhejiangA&FUniversityDissertationfortheDegreeofMasterMulti-scalecrownclosureretrievalformosobambooforestusingmulti-sour

2、ceremotelysensedimageryCandidate:WangCongAdviser:DUHua-qiang,ProfessorSpeciality:ForestManagementDateofSubmission:June2015ZhejiangA&FUniversityLin’an,Zhejiangprovince,P.R.ChinaJune，2015独创性声明本人声明，所呈交的学位论文，是受浙江省杰出青年科学基金(LR14C160001)，国家自然科学基金(31070564，31370637,31300535)、国家林业局948项目(

3、2013-4-71)、浙江省林业碳汇与计量科技创新团队项目子项目(2012R10030-01)、浙江省本科院校中青年学科带头人学术攀登项目(pd2013239)等资助，在指导教师指导下，通过我的努力取得的成果，并且是自己撰写的。尽我所知，除了文中作了标注和致谢中已经作了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果，也不包含在浙江农林大学或其他教育机构获得学位或证书而使用过的材料。与我一同对本研究做出贡献的同志，都在论文中作了明确的说明并表示了谢意。如被查有严重侵犯他人知识产权的行为，由本人承担应有的责任。论文使用授权的说明本人完全了解浙江农林

4、大学有关保留、使用学位论文的规定，即学校有权送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密，在年后解密可适用本授权书。□不保密,本学位论文属于不保密。（请在方框内打“√”）摘要竹林是我国亚热带一种重要的森林资源，在森林生态系统碳循环中发挥着重要作用。郁闭度可以反映林冠的郁闭程度、树木利用空间的程度及指示林分密度，是森林资源调查的一个重要因子。森林郁闭度测定方法主要包括地面调查和遥感调查两种方式，地面调查不仅耗时耗力，而易受人为因素影响较大，调查范围也较小，与地面调查相比，遥感技

5、术具有实时、连续和大范围覆盖的特点，使得其在森林郁闭度定量反演中具有独特的优势。随遥感技术的发展，基于多源遥感数据的森林资源监测成为新的趋势，森林参数多尺度估算也是国内外研究热点。基于此，本研究将以毛竹林（Phyllostachysheterocyclavar.pubescens）为例，以浙江省西北部的安吉县及其境内的山川乡为研究区域，在地面调查的基础上，开展基于无人机、SPOT5和LandsatTM等多源遥感数据的毛竹林冠层郁闭度多尺度反演研究，主要研究内容如下：1、无人机遥感数据结合Li-Strahler几何光学模型的毛竹林郁闭度估算。以无人机遥感

6、数据为数据源，首先利用最小噪声分离（MinimumNoiseFraction，MNF）方法获取影像端元，然后采用全约束和无约束两种方法进行混合像元分解，并将得到的光照背景比例分别代入几何光学模型得到郁闭度估算结果，最后对比分析两种方法的估算精度。2、SPOT5数据结合Erf-BP神经网络模型的毛竹林郁闭度估算。以无人机郁闭度估算结果为基础、SPOT5遥感影像为数据源，利用Erf-BP神经网络模型进行山川乡毛竹林郁闭度估算，并探索最佳的模型结构，其中包括变量的设置与筛选、隐含层神经元及训练目标的设置等问题。3、LandsatTM数据结合Erf-BP神经网

7、络模型的毛竹林郁闭度估算。以SPOT5郁闭度估算结果为基础、LandsatTM影像为数据源，采用Erf-BP神经网络模型实现安吉县毛竹林冠层郁闭度反演。通过研究主要得到以下几方面的结论：1、无人机遥感数据结合几何光学模型在一定程度上可以实现毛竹林郁闭度的估算。但基于无约束混合像元分解所得到的研究区毛竹林郁闭度具有较大的RMSE，反演结果整体小于实测值，严重低估，而全约束混合像元分解郁闭度反演精度具有大幅度的提高，其反演郁闭度与野外实测数据在0.01显著水平下，相关指数R为0.7933，且RMSE也很小，为0.04左右，因此，能够较为真实的反映毛I竹林的

8、实际情况。2、基于Erf-BP神经网络模型与SPOT5遥感数据的毛竹林冠层郁闭度估算结果在一定