基于多源遙感數(shù)據(jù)的毛竹林冠層郁閉度多尺度反演研究.pdf

1、竹林是我國亞熱帶一種重要的森林資源，在森林生態(tài)系統(tǒng)碳循環(huán)中發(fā)揮著重要作用。郁閉度可以反映林冠的郁閉程度、樹木利用空間的程度及指示林分密度，是森林資源調(diào)查的一個重要因子。森林郁閉度測定方法主要包括地面調(diào)查和遙感調(diào)查兩種方式，地面調(diào)查不僅耗時耗力，而易受人為因素影響較大，調(diào)查范圍也較小，與地面調(diào)查相比，遙感技術(shù)具有實時、連續(xù)和大范圍覆蓋的特點，使得其在森林郁閉度定量反演中具有獨特的優(yōu)勢。隨遙感技術(shù)的發(fā)展，基于多源遙感數(shù)據(jù)的森林資源監(jiān)測成為新

2、的趨勢，森林參數(shù)多尺度估算也是國內(nèi)外研究熱點?；诖?，本研究將以毛竹林（Phyllostachys heterocycla var. pubescens）為例，以浙江省西北部的安吉縣及其境內(nèi)的山川鄉(xiāng)為研究區(qū)域，在地面調(diào)查的基礎(chǔ)上，開展基于無人機、SPOT5和Landsat TM等多源遙感數(shù)據(jù)的毛竹林冠層郁閉度多尺度反演研究，主要研究內(nèi)容如下：
　　1、無人機遙感數(shù)據(jù)結(jié)合Li-Strahler幾何光學模型的毛竹林郁閉度估算。以無人機

3、遙感數(shù)據(jù)為數(shù)據(jù)源，首先利用最小噪聲分離（Minimum Noise Fraction，MNF）方法獲取影像端元，然后采用全約束和無約束兩種方法進行混合像元分解，并將得到的光照背景比例分別代入幾何光學模型得到郁閉度估算結(jié)果，最后對比分析兩種方法的估算精度。
　　2、SPOT5數(shù)據(jù)結(jié)合Erf-BP神經(jīng)網(wǎng)絡模型的毛竹林郁閉度估算。以無人機郁閉度估算結(jié)果為基礎(chǔ)、SPOT5遙感影像為數(shù)據(jù)源，利用Erf-BP神經(jīng)網(wǎng)絡模型進行山川鄉(xiāng)毛竹林郁閉度

4、估算，并探索最佳的模型結(jié)構(gòu)，其中包括變量的設置與篩選、隱含層神經(jīng)元及訓練目標的設置等問題。
　　3、Landsat TM數(shù)據(jù)結(jié)合Erf-BP神經(jīng)網(wǎng)絡模型的毛竹林郁閉度估算。以SPOT5郁閉度估算結(jié)果為基礎(chǔ)、Landsat TM影像為數(shù)據(jù)源，采用Erf-BP神經(jīng)網(wǎng)絡模型實現(xiàn)安吉縣毛竹林冠層郁閉度反演。
　　通過研究主要得到以下幾方面的結(jié)論：
　　1、無人機遙感數(shù)據(jù)結(jié)合幾何光學模型在一定程度上可以實現(xiàn)毛竹林郁閉度的估算。但

5、基于無約束混合像元分解所得到的研究區(qū)毛竹林郁閉度具有較大的RMSE，反演結(jié)果整體小于實測值，嚴重低估，而全約束混合像元分解郁閉度反演精度具有大幅度的提高，其反演郁閉度與野外實測數(shù)據(jù)在0.01顯著水平下，相關(guān)指數(shù)R為0.7933，且RMSE也很小，為0.04左右，因此，能夠較為真實的反映毛竹林的實際情況。
　　2、基于Erf-BP神經(jīng)網(wǎng)絡模型與SPOT5遙感數(shù)據(jù)的毛竹林冠層郁閉度估算結(jié)果在一定程度上可以滿足精度要求。SPOT5結(jié)合E

6、rf-BP神經(jīng)網(wǎng)絡模型的樣地檢驗結(jié)果表明，Erf-BP神經(jīng)網(wǎng)絡模型估算結(jié)果與實測郁閉度在0.01顯著水平下具有較強的相關(guān)關(guān)系，其相關(guān)系數(shù)R達到0.7414，RMSE為0.0223，說明該方法反演精度較高。
　　3、基于Erf-BP神經(jīng)網(wǎng)絡模型與Landsat TM數(shù)據(jù)的毛竹林冠層郁閉度估算結(jié)果在一定程度上是可行的。Landsat TM結(jié)合Erf-BP神經(jīng)網(wǎng)絡模型的樣地檢驗結(jié)果表明，Erf-BP神經(jīng)網(wǎng)絡模型估算結(jié)果與實測郁閉度具有較