基于多源遥感数据的森林蓄积量估算

《基于多源遥感数据的森林蓄积量估算》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、Ｒｙ分类号密级ＵＤＣ－ＴＨＥＳＩＳ一ｎ广，寻ｆｅａｅ文基于多源遥感数据的森林蓄积量估算（中文题名）ｓｔｔ－ＥｉｍａｉｏｎｏｆｔｈｅＦｏｒｅｓｔＳｔｏｃｋＶｏｌｕｍｅＢａｓｅｄｏｎＭｕｌｔｉｓｏｕｒｃｅＲｅｍｏｔｅＳｅｎｓｉｎｇＤａｔａ（英文题名）王月婷（作者姓名）张麵觀＿指导教师申请学位级别地图学与地理彳目息系统学科专业名称３Ｓ技术在资源环境中的应用研究方＾２０１５物月＿论文提交日期＿＿２０１５科６月论

2、文答辩日期＿＿２０１５物月学位授予口期＿答辩委员会主席：评阅人：硕士论文同意发表的声明研究生院：本人及导师完全同意《中国优秀博硕士学位论文全文数据库“”出版章程》（以下简称章程）及我校与中国学术期刊（光盘版）电子杂志社签定的《ＣＮＫＩ共建共享中国优秀博硕士学位论文全文数据库（ＣＤＭＤ）和北京林业大学研究生院博硕士学位论文全文数“”据库（ＤＭＤ）协议书》（以下简称协议书）的有关内容，愿意将本人的硕士学位论文委托研究生院向中国学术期刊（光盘版）电子杂

3、志社的《中国优秀博硕士学位论文全文数据库》投稿。所在学科为：５价激，论文题目为：？Ｉ七兮ｒｉ人？介叶希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和ＣＮＫＩ系列数据库中使用，同意按章程和协议书规定享受相关权益。作者签名：导师签名：＾＾￣＾１＾年《月日注：《中国优秀博硕士学位论文全文数据库出版章程》可从ｈｔｔｐ：／／ｇｒａｄｕａｔｅ．ｂｊｆｕ．ｅｕｄ．ｅｎ中学位工作／学位论文栏目下浏览独创性声明

4、本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京林业大学或其它教育机构的学位或证书而使用过的材料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。与我确的说明并表示了谢意。签名：曰期：卞关于论文使用授权的说明本人完全了解北京林业大学有关保留、使用学位论文的规定，即：学校有权保留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

5、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。（保密的论文在解密后应遵守此规定）．－：师签名：期：＾ｏＳｏＬｙ＼签名．—导？摘要森林是全球生态系统的重要组成部分，在全球碳循环中发挥重要作用。利用遥感技术对森林蓄积量／生物量进行估测，对森林碳储量的空间分布和动态变化进行实时监测具有重要意义。当前，微波遥感与光学遥感已广泛应用在反演森林参数方面。高分辨率遥感影像的光谱波段信息较少，但其影像空间信息量较大，可以更好地反应地。ＳＡＲ物的结构特

6、点与规律，有助于分析森林结构参数雷达数据可以实现全天候全天时对地观测，其中Ｌ波段信号可以穿透树木枝叶更好地获，不受外界环境等因素影响。取树干信息，对于反演森林蓄积量有重大意义本文基于高分辨率遥感影像和ＳＡＲ雷达数据，以福建省三明市将乐国有林场为试验区，探究针叶林、阔叶林蓄积量反演的新方法。首先，提取高分辨率遥感影像的纹理特征值，利用蹄选后的纹理因子建立针叶林、阔叶林蓄积量估测模型。其次，基于ＳＡＲ雷达数据Ｌ波段的后向散射信号反演针叶林、阔叶林的蓄积量。最后，联合雷达数据和

7、高分辨率影像构建线性、非线性蓄积量反演模型。主要研究内容和结果如下：１．利用资源三号卫星影像纹理特征值反演蓄积量。基于灰度共生矩阵提取资源二号影像的纹理特征值，分别选取与针叶林、阔叶林。蓄积量呈显著相关的纹理特征值，建立蓄积量模型得到针叶林模型的相关系数为２０．８７１，估测精度为７８．９４％，均方根误差为２７．５０ｔ／ｈｍ；阔叶林模型的相关系数为２０．７０２，估测精度为６７．８４％，均方根误差为３６．８１ｔ／ｈｍ。针叶林的反演效果好于阔叶林。２．利用ＡＬＯＳＰＡ

8、ＬＳＡＲ极化雷达数据的后向散射参数反演蓄积量。提取Ｌ波段不同极化方式下雷达数据的后向散射系数及其比值，分析不同林分蓄积量与雷达参数的相关性：，并建立回归模型和指数模型。分析比较得出针叶林线性．％回归模型的估测效果较好，模型的相关系数为０．７８３，预估精度为７８３７，均方根误２差为２８．３１ｔ／ｈｍ；阔叶林指数模型的估测效果好，模型的相关系数为０．７３４，预估精２７３４１１ｔ度为．９％，均方根误差为２９．／ｈｍ。３二．利用资源号卫星影像与