遥感影像下的永定河流域生物量的多元线性模型研究

第一章绪论

1.1植被生物量的研究现状
植被生物量指的是，在特定时间范围内，植被单位面积上某个或某几个生物种或者一个整体生物地群落中全部生物有机体总的干物质量。其单位为g/m2或t/hm2。
1. 1. 1传统实测法研宄
植被生物量植被生物量的研究早在19世纪中后期己经开始，1876年，德国生物学家Ebermeryer曾经分树种探讨了树枝、落叶量与林木干材重量之间的可能存在的关系(吴展波，2008)。传统实测法研究植被生物量，一般在实测数据的基础上，在宏观的层面上对其进行拓展估算或者相关性分析，一般操作方法如下：先选择样本区，或称实验地，然后对植被生物样本进行收集，分别称量并记录植被的干重、湿重、桔杆重量（树干重量）、叶重以及植物地上和地下部分的重量；或者采用上述植被收获法为基础，通过每木调査、树干解析、材积转换等林业测量的方法，对植被各部分生物量进行测量（刘炜洋，2010)。通过对上述调査所得数据进行拓展估算，可以分析得出实验地的生物量特征，进而预估整个研究区的生物量状况；或者可能分析实验地内植被生物量与其影响因素之间的关系，在此基础上建立相关模型，对整个研究区进行推演预估。上述方法的主要研宄对象是大范围规则性植被覆盖地区，如农作物种植区，草场或者森林。采用实测法幵展研究时，主要有以下几种方法。
1、皆伐法对长势良好的林分进行筛选，建立标准样地，将样地上的乔木全部伐除，对伐倒后的树木，分别进行枝、干、叶的生物量测量；对样地中灌木及草本植物，通过划分若干小样方，在样方内采用上述皆伐方式进行收割，最后以标准样地面积的大小，将样地内的植被生物量转换为单位面积的植被生物量（黄全，1990)。
2、平均生物量法平均生物量法是通过每一块标准样地及地标准木生物量对林分生物量进行推算的一种方法。先分别量测标准木各组成分，即干、枝、叶、根的生物量，所得结果乘以该标准样地内树木的总株数。将得到标准木的平均生物量，通过每木平均生物量，推算林分的生物量，用同样的方法估计出整个研究区域的植被生物量（安树杰，2006)
3、生物量回归模型估计法由于这一方法是通过建立相关性曲线进行植被生物量研究的，因此又被称为相关曲线法，有些文献中也将其称为相对生长法或者维量分析法。研究时，在研究区内选择长势良好的样木，伐倒后分别对样木各器官进行称重，然后将测得的各器官的生物量和某些测树指标，如胸径、树高等，进行相关性分析，对它们之间的关系进行回归拟合，然后建立回归曲线方程（宋巍巍，2008)。常见的生物量回归模型有以下几种：
(1)胸径直线相关法：W=a+bD (1. 3)
(2)胸径曲线相关法：W=aDb (1.4)
(3)胸径、树高曲线相关法：W=a(D2H)b (1. 5)
(4)胸径抛物线相关法：W=a+bD+cD2 (1.6)式中W表示为树木的躯干、枝、叶、根或者整株生物量，D表示树木胸径，H是树高，a、 b、 c分别为回归方程的参数。由于森林类型以及生长发育阶段等因素存在差异，特别是占我国森林比例较大的人工林，其生长过程受人为因素干涉，使得林木生物量的积累和分布存在时间和空间上的差异，因此在现有的研究条件和科技水平下，要找出一种单一的、适用各种森林类型和各吋间节点的生物量测定方法是不可能的（Satoo, 1974)。人们通过大量的研究工作，针对各地区森林植被类型和当地的气候环境特点，建立具有一定适应性的生物量回归模型，来测定各自研宄区域的植被生物量。例如，有学者提出，在推算林木干、枝、叶、根等各器官生物量时，将D替换成D2H，可以获得更加精确的结果，KiraT在1978年，通过实验提出，胸径可以用树冠基部直径和1/10树高直径来代换(Kira， 1978).
4、材积源生物量法材积源生物量法(Volume-biomass method)又被称作生物量转换因子法(biomassexpansion factor) (Brown 8,1984),具体算法是：先求得林分生物量与木材材积比值的平均值，用所得结果乘以研究区某种森林类型的总蓄积量，所得结果即为该类型森林的总生物量(Fang JY， 1998)；或者对一定鲜木材积进行烘干处理，称出供干重，求得木材密度，用所得结果乘以林分总蓄积量和总生物量与地上生物量的转换系数。
5、生物量转换因子连续函数法这种方法的提出是对材积源生物量法的改进，材积源生物量法认为植被生物量与林分蓄积量的比值是一个常数，这一假设具有明显的不足和局限性，为了克服这一缺陷。生物量转换因子连续函数法对林分按年龄分级，进而用分级制的生物量转换因子代替原本单一的平均转换因子，这样就可以更加准确地估算大范围研究区域的森林生物量(韩爱惠，2009)。
 
  1.2 植被指数模型的研究现状 ................13-17
        1.2.1 植被遥感的基本原理 ................13
        1.2.2 常见的植被指数模型 ................13-17
    1.3 研究的目的及意义 ................17-19
        1.3.1 研究目的与意义 ................17
        1.3.2 研究的主要内容 ................17-19
第二章研究区概况与研究方案 ................19-24
    2.1 研究区基本情况 ................19-22
        2.1.1 概述 ................19-20
        2.1.2 土壤 ................20-21
        2.1.3 植被 ................21-22
    2.2 研究方法与技术路线 ................22-24
        2.2.1 本文的研究方法 ................22
        2.2.2 本文的研究路线 ................22-24
第三章研究数据及处理 ................24-39
    3.1 遥感数据获取及处理 ................24-35
        3.1.1 遥感数据介绍 ................24-25
        3.1.2 遥感数据获取 ................25-26
        3.1.3 数据预处理 ................26-31
        3.1.4 植被覆盖分布信息提取 ................31-35
    3.2 外业数据的获取及处理 ................35-39
        3.2.1 外业调查数据的获取 ................35-36
        3.2.2 外业数据处理 ................36-39
第四章生物量反演模型的建立及精度分析 ................39-54
    4.1 一元线性模型 ................40-43
        4.1.1 一元线性模型的建立 ................40-42
        4.1.2 模型的精度分析 ................42-43
    4.2. 二次多项式模型 ................43-46
        4.2.1 二次多项式模型的建立 ................43-45
        4.2.2 模型的精度分析 ................45-46
    4.3 对数/指数模型 ................46-49
    4.4 多元线性回归模型 ................49-54
        4.4.1 反演因子的确定 ................50-52
        4.4.2 多元线性模型的建立 ................52
        4.4.3 反演模型的精度分析 ................52-54
第五章基于多元线性模型的生物量变化规律 ................54-59
    5.1 多期遥感影像生物量的计算 ................54-57
    5.2 生物量变化规律分析 ................57-59

总结与结论

本文以遥感影像及外业调査数据为基础，对永定河流域生物量实测值和遥感因子之间进行回归分析，建立反演模型。通过比较分析，找到一种适合于反演永定河流域生物量的多元线性模型，并运用该模型反演了 1987年、1996年、2000年、2004年、2009年永定河流域的生物量，并对生物量的变化进行分析。通过本实验的研宄，得出以下结论：
(1)收集了 5个时相的TM遥感影像数据，对影像做了校正、融合等预处理，将各期的影像统一相同的投影与坐标系，利用归一化植被指数提取了植被覆盖范围，得到了永定河流域植被覆盖分布图。
(2)2009年7-8月间，在永定河流域进行了外业调査，测得112块大小与TM影像分辨率相同的样地，对样地内的植被每木检尺，采集灌草样方内的灌草。将获取的样地数据进行内业整理，进行生物量计算，得到野外样地实测数据。
(3)从针对永定河流域所建立的四种反演模型中可以看出，四种反演模型与实测的50个样本之间都具有相关性，sig的值都接近0.000，说明建立的模型都具有显著性。对NDVI和RVI及像元生物量之间建立反演模型，通过对其预测精度进行对比发现，以NDVI为自变量的模型的精度都要高于以RVI为自变量的模型，在以NDVI为自变量的三种模型中，对数/指数模型的精度相对来说比较高。生物量的影响因子是多种的，只考虑NDVI—种因子很不全面，因此引入多个自变量的多元线性模型，其实际应用性较高，同时其精度也比前面六种只有一个自变量的模型预测精度要高。通过建立模型，发现基于多种因子的多元线性方程更能表达永定河流域植被生物量与遥感之间的关系。