论文部分内容阅读
本文以内蒙古莫尔道嘎林区森林为研究对象,基于研究区Landsat-5 TM影像和数字高程模型(DEM),结合该地区2011年森林资源二类调查数据,探讨了基于小班对象的生物量光谱响应模型构建方法。首先,结合研究区小班蓄积量数据,根据生物量转换因子连续函数法计算每个小班样本的生物量；然后,在对影像进行预处理的基础上,提取各小班样本对应的遥感图像中波段1-5和波段7等6个波段的反射率,坡度和坡向2种地形数据,SR、DVI、EVI、MSAVI等8种植被指数,主成分分析PCA1、PCA2、PCA3,缨帽变换KT1、KT2、KT3等6种波段线性变换值,共计22个指标作为变量因子。最后,分别采用一元、多元回归模型法和BP神经网络法研建了莫尔道嘎林区森林生物量光谱响应模型。本文主要得出以下结论：(1)从TM遥感影像和DEM数据中共提取了22个解释变量,森林生物量和其中19个因子在0.01水平上显著相关。从单波段来看,相关性最高的是B4,且B4与生物量成正相关,其余5个波段与生物量显著负相关；提取的8种植被指数均与小班生物量显著正相关,其中MVI相关系数最大；地形因子和生物量的相关性较差,其中坡向与生物量无相关性。(2)通过SPSS软件建立的生物量多元线性回归模型的相关系数为0.666,均方根误差为15.10 t/hm2; MATLAB软件实现的BP神经网络模型的相关系数为0.770,均方根误差11.72 t/hm2。分析各个模型的相关系数和均方根误差后发现,BP神经网络模型的评价因子均优于其他模型,更适用于内蒙古莫尔道嘎林区森林生物量的反演。(3)利用BP神经网络模型反演得出研究区总森林生物量为3202.88万t,森林生物量密度变化范围为13.12-122.21t/hm2,其中,80%以上林分的生物量密度超过70t/hm2,全区平均森林生物量密度为75.11 t/hm2。森林主要分布在海拔600-1000m的范围内,且多集中分布在坡度6。-15。的缓坡上。