论文部分内容阅读
本论文利用小兴安岭南坡TM图像和232块森林资源一类清查样地数据构建多元回归方程和神经网络模型，用以估测该地区森林生物量。对包括环境因子、生物因子和遥感信息在内的20个自变量进行逐步回归，其中包括归一化差值植被指数NDVI、比值植被指数RVI、环境植被指数EVI和卫星图片灰度值的比值项；筛选出13个自变量构建多元回归方程，计算出回归方程R=0.844，并通过了偏相关系数t检验、斯皮尔曼等级相关系数检验、D-W检验；在MATLAB6.1环境下构建前馈神经网络模型，在对独立样地估测中人工神经网络模型估测的平均精度为90.61％。 对估测样本总体观测阵做主成分分析，在第一主成分中反映0.52～0.60μm绿光的TM2、反映0.63～0.69μm红光的TM3、反映植物叶绿素吸收光与地质、岩性及土壤类别识别梯度的TM3／TM∑1～7贡献率较大；第二主成分中反映植被覆盖度、水体反射的TM(4×3／7)、TM(4／3)和TM4贡献率较大。 收集黑龙江省44个气象站的1999年各项气象数据进行Kriging插值生成1km×1km栅格数据，结合卫星数据利用Miami模型和CASA模型估测研究区域第一性生产力，Miami模型估测结果为5～8×10~8tC／a，CASA模型估测十月份潜在NPP为0.4～1.6×10~8tC／m。 在TM图像上森林分布区内按网格提取灰度值，利用前述多元回归模型和神经网络模型进行森林生物量的估测，估测结果按转换系数进行林份碳储量的估测，并按林型和土壤碳储量转换系数进行土壤碳储量的估测，求和得到该地区森林总碳储量，其分布区间为61～225t／hm~2。