西天山云杉林生物量遥感监测研究 ——以尼勒克林区为例

论文摘要

选取新疆西天山为监测区,在数据预处理基础上,通过遥感影像与森林经理小班调查数据的配准,提取不同尺度、不同龄级云杉林及其植被指数信息。结合野外实地调查资料,将其与通过生物量换算因子从实测蓄积量计算得到的生物量值进行相关性分析,确定二者之间的相关关系。结合实测光谱数据,从遥感图像中提取能够表征云杉林生物量的特征因子,与从森林经理调查数据中换算得到的不同龄级生物量值,构建云杉林生物量遥感监测模型。结果表明:对比传统回归分析方法和人工神经网络技术,后者估算精度达到了91.79%,说明人工神经网络的非线性理论能够比较真实的反映云杉林生物量的实际情况。根据云杉林生物量遥感监测模型计算结果;尼勒克林区云杉林生物量总量为3729733.345t。比较各龄级生物量;成熟林生物量总量最大,过熟林单位面积生物量最大。云杉林生物量随年龄的增长而增加。基于DEM及地统计空间分析的云杉林空间格局分析表明:云杉林生物量多分布在海拔1800—2600m、坡度5°—35°、中坡位的阴坡与半阴坡上,总体呈现出明显的中亚山地森林特征。

论文目录

• 摘要
• ABSTRACT
• 中文文摘
• 第1章 绪论
• 1.1 背景
• 1.2 国内外研究现状
• 1.2.1 基于现地调查的森林生物量研究
• 1.2.1.1 二氧化碳平衡法
• 1.2.1.2 微气象场法
• 1.2.1.3 直接收获法
• 1.2.2 基于模型模拟的森林生物量研究
• 1.2.2.1 生物量转换因子法
• 1.2.2.2 生物量转换因子连续函数法
• 1.2.3 基于遥感信息的森林生物量研究
• 1.2.3.1 生物量遥感参数模型
• 1.2.3.2 生物量遥感机理模型
• 1.2.4 目前森林生物量监测领域存在的问题
• 1.3 本文研究目的与意义
• 1.3.1 研究目的
• 1.3.2 研究意义
• 1.3.3 拟解决的关键问题
• 第2章 研究区概况及研究方案
• 2.1 研究区概况
• 2.1.1 研究区范围
• 2.1.2 研究区概况
• 2.1.2.1 自然地理情况
• 2.1.2.2 社会经济概况
• 2.2 研究方案
• 2.2.1 研究内容
• 2.2.2 解决构思
• 2.2.2.1 植物遥感原理
• 2.2.2.2 森林资源调查（清查）数据
• 2.2.2.3 生物量遥感监测可行性分析
• 2.3 技术路线
• 第3章 数据分析与处理
• 3.1 数据选择分析与评价
• 3.1.1 技术平台
• 3.1.2 数据选择
• 3.1.2.1 遥感数据
• 3.1.2.2 森林资源调查（清查）数据
• 3.1.2.3 其他相关数据
• 3.2 数据处理
• 3.2.1 遥感数据的处理
• 3.2.1.1 辐射校正
• 3.2.1.2 几何精校正
• 3.2.1.3 地形校正
• 3.2.2 森林资源调查（清查）数据的处理
• 3.2.3 其他相关数据的处理
• 3.2.3.1 地形数据处理
• 3.2.3.2 植物光谱数据处理
• 3.3 多元数据祸合
• 第4章 生物量遥感监测模型构建
• 4.1 云杉林生物量的换算
• 4.2 云杉林遥感识别及遥感参数选取
• 4.2.1 云杉林的遥感识别
• 4.2.2 云杉林遥感参数的选择
• 4.2.3 云杉林遥感参数的提取
• 4.3 云杉林生物量与植被遥感参数相关性分析
• 4.3.1 相关系数
• 4.3.2 云杉林生物量与遥感植被参数的相关性分析
• 4.4 云杉林生物量遥感监测模型的构建
• 4.4.1 传统回归方法云杉林生物量模型构建
• 4.4.2 人工神经网络云杉林生物量模型构建
• 4.4.2.1 人工神经网络技术理论
• 4.4.2.2 基于人工神经网络技术的云杉林生物量模型设计
• 4.4.2.3 云杉林生物量遥感监测模型的构建
• 4.4.3 云杉林生物量模型精度检验分析
• 4.5 本章小结
• 第5章 西天山云杉林生物量空间分布格局分析
• 5.1 西天山云杉林生物量估算
• 5.2 西天山云杉林生物量空间格局分析
• 5.2.1 分析数据准备
• 5.2.1.1 云杉林生物量数据检测
• 5.2.1.2 其他相关数据准备
• 5.2.2 云杉林生物量空间格局分析
• 5.2.2.1 高程与云杉林生物量分布规律分析
• 5.2.2.2 坡度与云杉林生物量分布规律分析
• 5.2.2.3 坡向与云杉林生物量分布规律分析
• 5.2.2.4 坡位与云杉林生物量分布规律分析
• 5.3 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 不足与展望
• 附录
• 参考文献
• 攻读学位期间承担的科研任务与主要成果
• 致谢