论文部分内容阅读
本研究以江西省九连山自然保护区为研究区域，以2009年森林资源连续清查数据与2009年11月3月的Landsat5 TM影像为数据源，利用“3S”技术研建保护区森林生物量遥感估测模型，以期为九连山自然保护区的经营管理提供决策依据。 结合研究区样地每木检尺数据，根据生物量相对生长方程计算样地生物量。对遥感影像进行辐射定标、大气校正、几何校正、SCS+C地形校正等一系列处理，并在此基础上提取除第6波段外余下6个单波段的反射率，RVI、NDVI、DVI、IIVI等9种植被指数，TM4/TM2、TM7/TM3、TM3/TM1等7种波段比及派生数据，主成分分量PCA1、PCA2、PCA3，缨帽变换BI、GVI、WI等6种线性变换因子，以及从DEM中提取的地形因子，共计30个遥感因子作为自变量。采用传统一元回归模型、多元回归模型与BP神经网络模型建立九连山自然保护区森林生物量遥感光谱响应模型，得出的主要结论如下: (1)在提取的30个变量因子中，有12个因子与生物量在0.01的水平上显著相关。其中，6个单波段中有5个波段与生物量显著负相关，RVI、NDVI、IIVI、MSI这4种植被指数与生物量显著相关，并且植被指数的相关性明显高于单波段。主成分分量、缨帽变换因子、地形因子（坡度、坡向）与生物量的相关性不高。 (2) BP神经网络模型较传统的一元、多元回归模型更具优势。BP神经网络的判定系数为0.867，均方根误差为22.94t/ha。多元线性回归模型的判定系数为0.725，均方根误差为39.09t/ha。最终选取BP神经网络模型对研究区森林生物量进行反演，得出研究区地上森林生物量总量为2889210t，生物量密度范围为11.47t/ha-376.47t/ha，平均森林生物量密度为159.07t/ha。 (3)研究区森林生物量广泛分布在海拔330-1000m的范围内，生物量的密度随海拔的升高呈现出升高-降低-升高-降低的趋势;森林生物量广泛分布于缓坡(6-15°)、斜坡(16-25°)、陡坡(26-35°)之上，生物量的密度随坡度的增加呈现出先升高后降低的变化趋势;研究区内各坡向森林生物量分布比较均匀，各个坡向的生物量值相差不多。森林生物量的密度规律表现为西坡＞东坡＞北坡＞南坡。