“3S”技术在森林蓄积定量估测中的方法的研究.pdfVIP

的扩大，模型估测误差也逐渐增大：比较三个估测模型，其拟合效果相差并不大，预 测精度都在90％以上，对于全乡的蓄积量大于0的所有小班总体．线型对每公顷蓄积 预测相对误差最低为O．5％，对全乡总蓄积估测相对误差为X3型最低，可达8．28％。 林蓄积量进行多因子拟合，并用全乡蓄积量大于0的1359个小班进行检验，对比2—5 个因子模型的拟合效果．有如下结论：随着因子数的增加，误差逐渐减小，精度逐渐 提高；将多因子模型与NDVI单因子模型的拟合效果进行对比．发现两类模型拟合效 果并没有明显差异，而且多因子模型的拟合效果有一定程度的下降。对于1359小班 总体的每公顷蓄积估测，单因子模型相对误差最低为O．5％(线型模型)，多因子模型 最低为4．78％(5因子模型)；对于总蓄积估计，单因子模型估测最小误差为8，28％(x3 型模型)，多因子估测最小误差为9．22％(5因子模型)。分析认为用NDVI作单因子 拟合预测即可达到较理想的结果。 (5)从单个小班估计误差统计可看出，对于每公顷蓄积估计，三个模型的估计误 差在各段内的分布数随误差的增大而逐渐减小，在大于l的范围内小班分布数又突然 增加，再随误差的增大而逐渐减小；对比三个模型，误差小于30％的小班分布累计百 分比都接近50％．而且在各误差段内的分布规律几乎完全相同。 (6)针对建模数据点较散，因变量与自变量之间关系不明显和对小班蓄积估计准 确率较低等问题，尝试用36准则和26准则去除异常点，提高蓄积量与NDVI之间的 相关性，并进行重新拟合来改善小班的估计效果，研究发现随着去除的异常点的增加， 模型的重拟合效果逐渐提高，但提高幅度并不大：用重拟台的模型对1359个小班的 每公顷蓄积进行估计和统计，对比原模型的估计结果，发现去除异常点后的重新拟合 对小班蓄积估计没有明显的改善作用。 (7)应用NDVI单因子对全乡的总蓄积进行估计可以得到较好的结果和较高的精 度，但对单个小班的估计误差较大，对此提出了四点改进措施：①运用TM影像的多波 段数据进行组合，探寻表现蓄积量更好的因子：②加入其它影响蓄积量的因子，如郁 闭度、海拔、土壤状况因子(土壤类型、厚度和湿度)、气候因子(降水量、日照时 数等)，建立多因子模型进行估测；⑤用不同分辨率的多光谱或高光谱遥感数据进行 对比试验；④用非参数方法进行估计。 ‘ 关键词：遥感，森林蓄积量，定量估测，参数模型 Il Abstract：Foreststockvolumehas beenoneofmost in always indexforest important resource and anew wim investigation method and monitoring．Finding high-efficiency toestimateforeststockvolumewill the of high-precision reduceworkload ground thesalne can andestimate or time，it investigation．greatly．At predict volumeasmallamountof materialsand compartmentby groundsample rapidlyaccurately with forest traditional newmethodCan alot Com