论文部分内容阅读
我国森林资源监测已进入快速发展阶段,传统的森林资源二类调查手段已难以适应新形势下林业生产和生态建设的需求。随着卫星技术与计算机技术的快速发展,数字化森林资源调查与监测已成为主要发展趋势,如何利用遥感数据实现二类调查主要林分因子的准确、快速提取,已成为林业调查与管理部门关注的热点。本文以内蒙古自治区柴河林业局为研究区域,以森林资源二类调查中小班蓄积量、郁闭度、平均树高和平均胸径4种林分因子为主要研究对象,以Sentinel-2A和GF-1PMS影像为主要数据源,结合森林资源一类调查样地数据、二类调查小班数据、DEM数据和林地“一张图”数据,以遥感信息、地形信息和纹理信息为自变量因子,采用k-NN法、偏最小二乘法和稳健估计3种算法进行主要林分因子估测,研究了不同数据源、不同建模方法、分类建模和纹理信息对4种林分因子估测建模精度的影响规律。在对遥感信息提取、建模变量优选、林分因子估测算法以及小班属性信息提取等方面的关键技术进行理论研究的基础上,采用C/S架构,利用C#编程语言结合ArcGIS Engine以及插件式开发技术,在Visual Studio 2013开发环境中对关键技术进行编程实现与系统集成,形成一套专门用于森林资源二类调查主要林分因子估测的软件系统,并分别用研究区域的二类调查小班数据和现地实测小班数据进行精度验证与分析。主要结论及成果如下:(1)在样地数量充足的情况下,依据林地类型建立多个林分因子估测模型,可有效提高林分因子估测建模精度。(2)基于Sentinel-2A影像的主要林分因子估测精度总体优于基于GF-1 PMS影像,前者更适用于大规模的森林资源二类调查主要林分因子估测。(3)参数化与非参数化方法同时用于林分因子估测时,从各林分因子估测模型精度来看,相同条件下,基于k-NN法的林分因子估测模型精度明显优于其他两种参数化方法,且具有良好的建模稳定性,稳健估计和偏最小二乘法的模型精度相近,均容易受到随机抽样带来的偶然性影响。从各林分因子实际估测精度来看,k-NN法对各林分因子的估测均取得较好效果,满足森林资源二类调查的精度要求,而参数化方法对各林分因子估测的精度存在较大差异,基于Sentinel-2A影像的参数化小班蓄积量估测精度低于70%,基于GF-1PMS影像的偏最小二乘法平均树高估测以及参数化方法对小班蓄积量和平均胸径的估测精度均低于70%。由此可见,参数化方法并不能完全满足这四种林分因子估测的精度要求。(4)纹理信息作为自变量因子参与主要林分因子估测时,对各林分因子估测建模的影响并不一致。采用k-NN法时,纹理信息对各林分因子估测建模的精度和稳定性均未产生显著影响;当采用参数化方法构建估测模型时,纹理信息造成的影响存在较大差异,两种数据源下纹理信息均较大提升了郁闭度估测模型的精度,但对其他林分因子估测建模产生的影响差异较大,基于Sentinel-2A影像的偏最小二乘法蓄积量估测和基于GF-1PMS影像的稳健估计平均胸径估测的模型精度有所提高,其他条件下的林分因子估测建模精度基本保持不变或出现不同程度的下降。(5)本文在理论研究的基础上,已成功研发森林资源二类调查主要林分因子估测系统,通过实际应用效果检验,当以二类调查小班数据为验证标准时,k-NN法对小班蓄积量的估测精度最高达到80%以上,对郁闭度的估测精度达到90%以上,对平均树高的估测精度最高达到85%以上,对平均胸径的估测精度最高达到75%以上。当以现地实测小班数据为验证标准时,k-NN法对小班蓄积量估测精度为81.8%,对郁闭度估测精度为88.8%,对平均树高估测精度为84.3%,对平均胸径估测精度为84.9%,能够满足森林资源二类调查的实际应用需求,本文研究成果能够提高森林资源二类调查的效率。