论文部分内容阅读
生长量可以作为评定立地条件好坏及经营措施效果的指标,正确地分析研究并掌握林木的生长规律,采用相应的经营管理措施,可以改善树木的生长状况,提高生长量。以特克斯县为研究对象,利用样地实测数据结合GIS手段提取相关因子,并进行因子的数量化,分析了各遥感因子与连年生长量之间的相关关系,运用统计软件进行回归分析,建立了相关性显著的回归模型。并将分析结果经过检验,再将拟合较好的模型进行比较,最终选定最优模型,并对特克斯县的云杉生长量进行了遥感反演。通过以上研究得到主要结论如下:(1)根据云杉分布状况,选择云杉长势较好的特克斯县,并采用1996年、2001年和2006年的51个样地中1365株样木的胸径数据。遥感影像选择Landsat-7-ETM+数据以及SRTM-DEM数据。(2)利用云杉单株胸径数据,经过统计计算,推算出特克斯县的一元材积表及材积经验式为V = 0. 00010447D2.54202946,由此计算各年份的云杉材积,并计算出定期生长量与连年生长量,可得51个样地的样木在1996-2006年定期生长量为3.64463m~3,1996-2006年连年生长量为0.364463m~3。(3)由于生长量与海拔梯度增加呈现单峰型变化格局,故需对海拔的实际值进行数量化,即海拔依据生长量分级,根据海拔数据结合大量文献资料,可将海拔分为5级。坡向数据也需进行数量化处理,坡向可以分为8个方向,分级方法是将360°根据坡向进行划分,北坡为等级8,南坡为等级1。(4)根据生长量数据对影响因子进行相关性分析,分析的因子有红光、绿光、蓝光、近红外、短波红外、NDVI及立地因子的海拔、坡度、坡向,共九个因子。通过主成分分析和相关分析筛选因子。最后留下4个影响因子,分别为绿光、NDVI、高程、坡向。(5)通过对4个因子的多元线性计算和对其进行回归方程显著性F检验,并对回归系数进行T检验,结果表明:绿光波段不能通过回归系数检验,故选择3和2因子模型进行计算,对所得4个方程进行对比比较,并进行误差检验,得到最优预测模型为3因子NDVI、高程、坡向的多元回归方程: Y=-0.003716+0.018369*N+0.001966*E+0.000666*A。(6)利用预测模型对特克斯县的云杉连年生长量进行遥感反演,可得云杉连年生长量为1.332684×10~4m~3,云杉的面积为9.523737×10~4hm~2。与高程、坡向叠加分析,可得生长量的变化趋势表现为中海拔处最大,即在1900～2599m的云杉生长量为1.126898×10~4m~3,占84.56%。生长量增加最多的是阴坡,即北坡,生长量为4.65614×10~3 m~3,占34.94%。