学位论文 > 优秀研究生学位论文题录展示

大兴安岭森林火烈度遥感估测方法研究

作　者: 雷成亮
导　师: 邸雪颖
学　校: 东北林业大学
专　业: 生态学
关键词: 火烈度遥感多变量模型变量筛选变量投影重要性正交信号修正平均影响值
分类号: S762
类　型: 博士论文
年　份: 2012年
下　载: 43次
引　用: 0次
阅　读: 论文下载

内容摘要

作为森林生态系统重要组成部分的森林火灾,以从地表火到林冠火的多种形态影响着森林生态系统的树种组成、年龄结构和空间格局。它既毁灭了大量的林木,同时又对人类的生命财产以及生态环境造成了巨大的危害,影响着全球碳循环,是人类面临的最重要的自然灾害之一。我国森林火灾也非常严重,仅大兴安岭2003-2009年间,就发生森林火灾649次,过火面积75.2万公顷。本论文研究森林火灾火烈度的遥感估测方法,有助于定量评价森林火灾所造成的林木损失和林火对森林生态系统健康状况所造成的影响,从而为灾后是否进行植被恢复和选择何种森林生态系统恢复模式提供科学数据。同时对于正确估算森林火灾所造成的碳排放的多少及其对生态环境恶化的贡献大小提供技术方法与数据支持。论文选择大兴安岭南瓮河林场2006年过火区为研究区域,应用森林资源清查资料、地面实地调查资料和火烧前后两期Landsat5TM遥感数据,研究分析了基于归一化燃烧比(NBR)与燃烧比差值(dNBR)的非线与非线性模型估测火烈度的精度,并用先进的数学建模方法偏最小二乘回归、神经网络、支持向量机等进行多变量森林火烈度估测比较,为了简化模型,也比较了变量投影重要性(VIP)、正交信号修正法(OSC)与平均影响值(MIV)筛选模型的效率问题。取得了以下初步成果：目前遥感数据的应用中,存在3种对数据的处理形式：DN值、辐亮度与大气层表观反射率。利用3种形式对数据处理后提取NBR估测火烈度,得到的3个线性回归模型精度相差不多,R2从0.67-0.69。大气层表观反射率是最接近地物真实反射率的指标,是生物物理参数定量遥感的基础,因此本文的所有分析都是基于大气层表观反射率。利用单变量估测火烈度,以二次多项式模型的精度最高。在国外研究中表现较好的两个非线性模型在本文的研究中没有得到有效结果。进一步用混淆矩阵对结果的评价表明,用3种模型(线性、多项式、指数)进行火烈度估测的总体精度并不高,估测正确率还不到65%,说明还需要探索别的遥感因子和新的方法来估测火烈度。根据相关研究,选择20个遥感因子建立多变量估测火烈度模型：即支持向量分类机、广义回归神经网络和偏最小二乘模型,评价模型估测精度采用4-折交叉验证的方法。支持向量分类机的精度最高,最高估测准确率达到了85%。不同核函数的支持向量分类机的估测精度不同,径向基核函数的支持向量分类机的精度最高。当惩罚参数C取16,核函数参数gama取0.25时,径向基核函数支持向量分类机模型的精度最好。同支持向量分类机相比,广义回归神经网络模型估测火烈度的精度要逊色一点。模型除受神经网络自带的径向基传播速度参数(spread)影响以外,不同的建模数据处理方式对模型的预报精度也有影响,按[-1,1]标准化方式对建模数据进行标准化所建立的模型精度最高,当spread为0.9时模型估测精度达到80%。用偏最小二乘回归方法估测火烈度的精度最低,最高准确预报率仅有65%。使偏最小二乘回归模型预报精度最高的数据标准化方式是[0,1]标准化方式。除了偏最小二乘回归模型,多变量模型的预报精度都要比单变量多项式模型的精度高,说明单变量模型不足以概括地而火烈度的丰富信息。变量过多会导致解释与应用的困难,论文采用和比较3种变量选择方法进行模型简化。利用变量投影重要性(VIP)方法选择出10个对模型有显著影响的变量,而正交信号修正法(OSC)与平均影响值法(MW)各选出了3个,它们互有重叠。两次采用VIP方法后选出的变量所建模型预报平均正确率为61.01%,最高预报正确率为70%,均高于全变量模型。OSC方法选出的3个变量是近红外与中红外原始波段以及它们的组合变量,所建立的PLS模型使得平均与最高正确预报率均有所提高。MIV方法选出的变量所建立的GRNN模型与全变量GRNN的预报精度相当,比另两种方法所选变量建立的PLS模型精度要高,但是MIV所选变量建立的PLS模型精度很底,说明MIV方法对神经网络模型有依赖性。也说明GRNN模型有较好的鲁棒性,能正确挖掘变量间的线性与非线性关系,而PLS回归模型只变量间的线性相关关系敏感。总之,森林火烈度可以通过遥感数据进行估测,多变量模型由于充分利用卫星平台的多光谱信息而优于单变量模型,其中支持向量机、神经网络与偏最小二乘回归模型都是多变量模型中不错的选择,不仅节约灾后实地调查的时间和劳动强度,也将为全面正确评估森林火灾损失提供准确的实时基础数据。

全文目录

摘要  4-6
Abstract  6-13
1 绪论  13-20
  1.1 课题背景  13-14
  1.2 国内外研究现状  14-19
    1.2.1 森林可燃物  14-15
    1.2.2 森林火险  15-16
    1.2.3 火点探测  16-17
    1.2.4 火烧迹地  17-19
  1.3 本文创新性  19-20
2 研究区概况与研究方法  20-28
  2.1 地理位置  20-21
  2.2 自然环境  21-22
    2.2.1 地形地貌  21
    2.2.2 河流水系  21
    2.2.3 气候  21-22
    2.2.4 土壤  22
    2.2.5 植被  22
  2.3 外业调查  22-24
    2.3.1 火烈度判定  22-23
    2.3.2 样地调查  23-24
  2.4 遥感图像获取与处理  24-26
    2.4.1 遥感数据的选择  24-25
    2.4.2 遥感数据预处理  25-26
    2.4.3 对应样地的遥感信息提取  26
  2.5 技术路线  26-27
  2.6 本章小结  27-28
3 基于归—化燃烧比的火烈度估测  28-40
  3.1 火烈度评价指数  28-30
  3.2 火烈度拟合模型  30-36
    3.2.1 模型拟合系数  30-33
    3.2.2 拟合结果的总体评价  33-36
  3.3 DN值、辐亮度与反射率对模型的影响  36-38
  3.4 本章小结  38-40
4 多变量的火烈度遥感估测模型研究  40-61
  4.1 遥感因子的构建  40-41
  4.2 交叉验证  41-42
  4.3 支持向量分类机(C-SVC)估测火烈度  42-49
    4.3.1 核函数对分类精度的影响比较  43-46
    4.3.2 参数的选取对模型分类精度影响  46-49
  4.4 广义回归神经网络(GRNN)估测火烈度  49-55
    4.4.1 参数spread寻优  49-52
    4.4.2 数据处理方式对模型的影响  52-55
  4.5 偏最小二乘回归方法估测火烈度  55-58
  4.6 单变量NBR 4-折交叉验证  58-60
  4.7 本章小结  60-61
5 多变量火烈度估测模型的简化  61-74
  5.1 基于PLS的变量投影重要性准则  61-65
  5.2 基于PLS的正交信号修正法筛选变量  65-68
  5.3 基于GRNN的MIV变量选择方法  68-70
  5.4 交叉比较  70-72
  5.5 研究区火烈度估测结果  72
  5.6 本章小结  72-74
6 结论与建议  74-76
参考文献  76-84
附录  84-89
攻读学位期间发表的学术论文  89-90
致谢  90-91
个人简历  91-92

大兴安岭森林火烈度遥感估测方法研究

内容摘要

全文目录

相似论文