基于SAR极化分解与Landsat数据的森林生物量遥感估测

目的森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。方法首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。结果使用两种方法进行模型构建:(1)逐步回归法,利用逐步回归进行变量筛选,选出2个参数构建模型,模型R2为0.534,拟合精度为67.51%,RMSE为43.21 t/hm2;(2)最优子集法,用Bootstrap法进行变量筛选,共筛选出9个参数,然后用这9个参数进行最优子集回归,获得511个选模型,然后选择出最优子集模型,并用交叉验证法对模型进行验证,最终选出的最优子集模型包含的参数为TM_band4、Neumann_delta_mod、Neumann_psi、TSVM_psi、TSVM_tau_m3,模型R2为0.768 2,拟合精度为88.32%,拟合RMSE为14.98 t/hm2,验证精度为86.21%,验证RMSE为19.14 t/hm2,CP指数为5.249 5,赤池信息量AIC为256.504 5。本文最终使用最优子集法获得的模型进行反演,获得研究区的森林生物量分布图。结论结果表明:全极化C波段SAR数据结合Landsat5 TM光学数据构建遥感信息模型可以准确反演森林生物量。      

大兴安岭植被指数年际变化及影响因子分析

通过遥感数据获取的归一化植被指数(NDVI)能够较好地反映植被的生长状况,并且为区域尺度、长时间序列的植被监测提供可能。本研究采用黑龙江大兴安岭地区2000—2009年MODIS/NDVI月值数据,分析和监测该地区年际NDVI变化,并利用趋势分析、假设检验、相关分析等方法研究了多种影响因子对该地区NDVI变化的影响。结果表明:研究区10年间年平均NDVI在0.455 4~0.509 3之间变化,平均值为0.477 3,年际间变化呈现出无规律的波动,没有显著的变化趋势;分析了森林火灾、温度和降水对NDVI的影响,一般森林火灾对过火区域NDVI的变化没有显著影响,重大森林火灾和过火面积小于1万hm2的特大森林火灾会促进过火区域NDVI的增长,过火面积大于1万hm2的特大森林火灾会使过火区域NDVI大幅降低;温度在10~25 ℃时会促进森林NDVI增长,在5 ℃以下对NDVI变化无显著影响;月降水量在75 mm以下会促进森林NDVI增长,大于100 mm对NDVI变化无显著影响。      

估测可燃物载量的遥感及地形因子选择探究

为提高森林可燃物载量的估测精度,应选择相关性小的遥感因子及地形因子组合。本文运用残差平方和法,在黑龙江省塔河县西北部96.5km处的盘古林场设立样地,调查样地内可燃物载量实测因子,结合实测值对影响可燃物载量的遥感及地形因子的组合进行了相关性研究。结果表明除遥感因子RVI、DVI、SARVI、TSAVI及地形因子ASPECT、DEM、SLOPE外,其余因子对森林可燃物载量的估测影响不大。通过方差扩大因子对各因子的相关性分析表明：剔除SARVI及ASPECT后,各因子间的多重相关性大幅减小。