网站大量收购闲置独家精品文档,联系QQ:2885784924

基于中巴资源卫星数据的森林蓄积量估测研究.docVIP

基于中巴资源卫星数据的森林蓄积量估测研究.doc

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于中巴资源卫星数据的森林蓄积量估测研究.doc

基于中巴资源卫星数据的森林蓄积量估测研究   摘 要:用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取所需要的数据,结合少量地面实测样地资料,通过多元线性回归来建立森林蓄积量的数学模型,并用数学方法进行检验,使估测的精度达到要求,为林业生产和建设提供依据。 关键词:中巴资源卫星;遥感;图像处理;森林蓄积量;回归分析 中图分类号:S771 文献标识码:A 森林蓄积量是指一定面积上存在的林木树干部分的总材积[1],它是反映一个国家或地区森林资源总规模的基本指标之一,也是反映森林资源的丰富度、衡量森林生态环境优劣的重要依据。在众多的蓄积量测定方法中,传统的调查方法有目测法、点抽样法、林分材积表法、平均木塔里夫法和单株木抽样法。这些调查方法不仅费时、费力,而且需要大量的工作经费。 用航天遥感和地理信息为基础,估测森林蓄积,主要目的是在保证森林资源调查精度的前提下,最大限度地减少地面调查工作量,已有专家和学者用美国陆地资源卫星的TM遥感图像进行了分析[2,3]。本研究探索用中巴资源卫星(CBERS)遥感数据的灰度值和地理信息因子结合少量实测样地数据建立数学模型,直接估测森林蓄积量,从而最大限度地减少森林资源调查中的外业工作量,达到精度高、成本低的目的,同时为CBERS数据在国内的推广应用奠定基础,间接推动我国航天工业的发展。 1 材料与方法 1.1 研究区域概况 研究区域为位于E108°31′04″~109°07′56″,N25°45′05″~26°14′02″,属贵州省黔东南州的黎平、从江、榕江3县,是贵州省的主要林区和木材主产区。总面积为10962.57km2,平均山地区域面积比例为75.6%,平均森林覆盖率达到71.6%,属中亚热带季风湿润气候区,气候条件优越,光热充足,年平均气温15~25℃,雨量充沛,适宜森林植物生长,保持着良好的生态环境。境内最高海拔1698m,位于榕江县西北部的平阳乡高岳山主峰,最低海拔148m,位于黎平县东南部的地坪乡水口河出省界处[4]。境内共辖66个乡镇,总人口约113.41万。 1.2 软硬件配置 系统硬件:计算机(2GB内存,200G硬盘);Contex A0扫描仪;HP Designjet 500plus绘图仪;HP激光打印机。系统软件:MAPGIS6.7;ERDAS IMAGINE 8.7;PHOTOSHOP7.0;SSPS11.5 for Windows;OFFICE2003等。 1.3 基础数据 贵州省黎平县、从江县、榕江县的中巴卫星遥感数据(2009年12月CCD相机B1~B5波段数据)、实地调查取得的森林蓄积量、1:1万比例尺地形图、DEM等。 1.4 CBERS数据蓄积量估测因子的选择 影响蓄积估测的因子很多,传统的调查方法有郁闭度、龄组、树高、胸径、树种等因子,这些因子从地形图和遥感数据中不能直接提取,因此不考虑。只考虑能够从遥感影像和地形图以及DEM上可以直接提取的信息。 1.4.1 遥感信息 遥感信息包括CBERS数据各波段的灰度值及灰度比值。研究采用的是19.5m空间分辨率的CBERS-CCD遥感图像,从CBERS-CCD波段特征及植物波谱反射特性看,可能影响蓄积估测的遥感因子包括CCD数据的所有波段。 植被指数又称绿波指数,是由多光谱数据经线性或非线性组合构成能反映绿色植物生长状况及分布特征的指数[5]。根据植物的波谱反射曲线,绿色植物对可见光和近红外谱段截然不同的吸收和反射特性是植被监测的物理基础,可用于构造植被指数。近红外波段对植被差异和长势反映敏感,指示植物光合作用能否正常进行;可见光波段被植被叶绿素强吸收,进行光合作用,是光合作用的代表性波段[6]。植被指数与植物长势、生物量、覆盖度、季相变动都有很好的相关性,在构造比值波段时,可以将植被指数作为比值波段考虑。 通过比较分析,采用归一化植被指数、比值植被指数和环境植被指数作为蓄积量估测的因子,对CBERS-CCD数据其组合波段分别为:B(4-3)/(4+3)、B4/3、B(4-3)。 1.4.2 地理信息 植物的生长离不开水分和热量,而水热条件又和海拔、坡向、坡度和坡位等地理位置密切相,因此参加森林蓄积量估测模型的主要地理因子应包括海拔、坡向、坡度和坡位等。这些因子的信息可以从地形图上或DEM获得。 1.4.2.1 海拔 海拔对林分生长有大的影响,在山区通常温度随海拔升高而降低、雨量随海拔升高而升高,因此应把海拔作为森林蓄积量估测的主要地理因子。由于研究区域海拔在148~1698m间,高差200m水热条件将有明显变化,按200m一个分段,分为9个梯级,并按1~9分别赋值。 1.4.2.2 坡向 植物生长离不开光和作用,光热条件与坡向密切相关,对树木生长有很大的作用,所以把坡向也作

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档