学位论文 > 优秀研究生学位论文题录展示

基于遥感和地面样地信息的区域森林碳储量估计方法研究

作　者: 汪少华
导　师: 张茂震
学　校: 浙江农林大学
专　业: 森林经理学
关键词: 森林碳 TM影像森林资源清查回归模型人工神经网络
分类号: S718.5
类　型: 硕士论文
年　份: 2011年
下　载: 88次
引　用: 1次
阅　读: 论文下载

内容摘要

森林是陆地生态系统中最大的碳库,在全球碳平衡和减缓全球气候变化方面发挥着不可替代的作用。当前主要利用森林资源清查数据和优势树种材积源-生物量的关系进行碳储量估算,在此基础上有效结合遥感影像数据将会更好的满足相关部门对国家和区域森林碳储量计算的需求。本文在总结国内外森林生物量与碳储量估算研究的成果基础上,以浙江临安为研究区域,通过遥感手段和森林样地调查数据来研究森林碳储量估测模型,其中利用临安市2004年930个样地调查数据和同年度Landsat TM影像,采用已有文献所提供的相对生长模型计算出各样地森林生物量及其碳储量,并提取第一波段至第五波段(TM1~TM5)以及第七波段(TM7)灰度值,对样地森林碳储量和各样地对应波段比值以及植被指数进行相关性分析。采用一元回归模型的最小二乘法和多项式法、多元线性回归模拟以及人工神经网络方法中的误差反向传播算法(BP-ANN)和径向基函数神经网络(RBF-ANN)自适应算法分别对研究区森林碳储量及其分布进行估算模拟。结果显示,人工神经网络方法估算临安森林碳储量效果要好于回归模拟方法,其中采用BP-ANN对全区域模拟结果森林碳储量平均值为0.98Mg(10.89 Mg/hm2),总体森林碳密度模拟结果低于样地平均值约13%,采用RBF-ANN自适应算法虽然精度略低于BP-ANN,但通过调整径向基函数的扩展系数spread能使模拟结果比BP-ANN模拟结果更稳定,同时森林碳储量模拟结果与样地实测值之间一致性好。因此,人工神经网络方法可以作为一种估算模拟区域森林碳储量的方法对当前森林碳储量的估测给予技术支持。

全文目录

摘要  4-5
ABSTRACT  5-9
1 绪论  9-18
  1.1 引言  9-10
  1.2 森林生物量/碳储量估测研究的意义  10-12
  1.3 森林生物量/碳储量研究进展  12-14
    1.3.1 国外森林生物量碳储量研究概况  12-13
    1.3.2 国内森林碳储量研究概况  13-14
  1.4 存在的问题及展望  14-15
  1.5 主要研究内容  15-16
  1.6 研究方法和技术路线  16-18
    1.6.1 研究方法  16
    1.6.2 技术路线  16-18
2 研究区概况及数据获取处理  18-22
  2.1 研究区概况  18
  2.2 数据资料的获取与处理  18-20
    2.2.1 地面抽样调查数据  18-19
    2.2.2 Landsat TM 遥感影像  19-20
  2.3 样地森林生物量与碳储量的计算  20-22
3 样地森林数据与对应 TM 影像的统计与分析  22-30
  3.1 样地数据统计分析  22
  3.2 样地森林数据与TM 波段相关性分析  22-24
  3.3 森林样地数据与植被指数相关性分析  24-28
    3.3.1 植被指数  24-26
    3.3.2 植被指数与森林碳储量相关性分析  26-28
  3.4 小结  28-30
4 基于 TM 影像的回归方法估测模拟森林碳储量  30-38
  4.1 回归模型概述  30-32
    4.1.1 一元线性回归模型  30
    4.1.2 一元线性回归方法  30-32
      4.1.2.1 最小二乘估计方法  30-31
      4.1.2.2 多项式回归及其算法  31-32
    4.1.3 多元线性回归模型  32
      4.1.3.1 多元线性回归模型的一般模式  32
      4.1.3.2 逐步回归计算方法  32
  4.2 植被指数与森林碳储量的回归模拟  32-36
    4.2.1 一元线性回归估测模拟森林碳储量  32-33
    4.2.2 多元线性回归估测模拟森林碳储量  33-36
  4.4 小结  36-38
5 基于 TM 影像的人工神经网络方法估测模拟森林碳储量  38-58
  5.1 人工神经网络概述  38-41
    5.1.1 人工神经网络的发展过程  38-39
    5.1.2 人工神经网络的构成  39-41
  5.2 前馈神经网络  41-44
    5.2.1 多层感知器神经网络  41-42
    5.2.2 径向基函数神经网络  42-44
  5.3 前馈反向传播神经网络方法（BP-ANN）模拟森林碳储量  44-52
    5.3.1 人工神经网络（BP-ANN）方法仿真建模  44-46
    5.3.2 结果与分析  46-50
      5.3.2.1 模拟结果  46-47
      5.3.2.2 结果分析  47-50
    5.3.3 讨论  50-52
  5.4 径向基函数神经网络方法（RBF-ANN）模拟森林碳储量  52-58
    5.4.1 径向基神经网络方法(RBF-ANN)仿真建模  52-53
    5.4.2 模拟结果与分析  53-58
      5.4.2.1 径向基函数的扩展系数(spread)对模拟结果的影响  53-54
      5.4.2.2 模拟结果图  54-56
      5.4.2.3 结果分析  56-58
6 结论与讨论  58-59
  6.1 结论  58
  6.2 讨论  58-59
参考文献  59-65
导师简介  65
个人简介  65-66
致谢  66

基于遥感和地面样地信息的区域森林碳储量估计方法研究

内容摘要

全文目录

相似论文