基于遙感抽樣技術(shù)的平南縣森林蓄積量估測(cè).pdf

1、遙感抽樣調(diào)查是根據(jù)一般抽樣調(diào)查的基本方法，以遙感的手段獲取地物面積或蓄積的方法。本文基于分層抽樣技術(shù)和蓄積量遙感估測(cè)的原理，以平南縣19．5米分辨率的CBERS—02B遙感影像為基本數(shù)據(jù)源，根據(jù)主要樹種面積統(tǒng)計(jì)表和抽樣原理，將平南縣森林資源分為桉樹、杉木、馬尾松和闊葉樹四種類型。結(jié)合地面標(biāo)準(zhǔn)地調(diào)查、地面定位數(shù)據(jù)分析以及森林分布圖、主要樹種面積統(tǒng)計(jì)表等資料，采用相關(guān)的數(shù)學(xué)理論方法(平均殘差、嶺回歸、多元線性回歸等)，先建立桉樹、杉木、馬尾

2、松和闊葉樹的蓄積量和郁閉度估測(cè)模型，通過(guò)聯(lián)立蓄積量和郁閉度模型，估測(cè)出分層抽樣所布設(shè)樣地的蓄積量。根據(jù)抽樣原理獲得平南森林蓄積總量。主要結(jié)論為：
　　 (1)根據(jù)嶺估計(jì)原理，確定海拔高、郁閉度、坡度、坡向、B1、B2、B3、B4、NDVI、RVI、B4+B1/B3。為建立蓄積量估測(cè)模型的最優(yōu)因子，海拔高、坡度、坡向、B1、B2、B3、B4、NDVI、B4/B1、為郁閉度估測(cè)模型的最優(yōu)因子。
　　 (2)對(duì)200塊標(biāo)準(zhǔn)地?cái)?shù)

3、據(jù)，采用多元線性回歸的方法擬合各樹種蓄積量估測(cè)模型為：
　　 Y桉樹=—1289．168—0．055x1—0．485x2+59．354x3—4．588x4—0．026x5—6．404x6+9．651x7+859．464x8—3354．937x9+7．155x10+274．129x11
　　 Y杉木=—3519．077+0．017x1+0．874x2+103．655x3+2．713x4+0．422x5—6．720x6+3．

4、227x7+3904．609x8—9046．742x9+4．930x10—190．668x11
　　 Y馬尾松=975．350—0．02x1+0．310x2+75．522x3+1．063x4—0．138x5+1．010x6—0．396x7—973．590x8+2525．813x9—0．021x10—52．064x11
　　 Y闊葉=1775．453—0．02x1+0．047x2+52．832x3+7x4—0．151x5+

5、20．132x6—23．250x7—1128．108x8+6809．533x9+2．544x10—446．258x11
　　 采用多元線性回歸的方法擬合各樹種郁閉度估測(cè)模型分別為：
　　 x3(桉樹)=0．483+0．001x1—0．002x2+0．0005x4+0．0009x5+0．007x6—0．004x7+0．636x9+0．636x10—1．14x11—0．010x12
　　 x3(杉木)=6．757+0

6、．0003x1+0．009x2+0．065x4—0．002x5+0．023x6—0．068x7+19．324x9+0．069x10—3．841x11—0．024x12
　　 x3(馬尾松)=5．980+0．0002x1+0．002x2—0．026x4—0．002x5+0．0001x6+0．031x7+6．778X9—0．024x10—1．907x11—2．033x12
　　 x3(闊葉樹)=—2．560+0．0002x1

7、+0．0001x2+0．010x4+0．0008x5+0．008x6—0．014x7—2．817x9—0．027x10+1．807x11+0．945x12
　　 其中x1、x2、x3、x4、x5、x6、x7、x3、x9、x10、x11、x12分別代表海拔高、坡度、郁閉度、B1、B2、B3、B4、RVI、NDVI、坡向、B4+B1/B3值和x12代表B4/B1值。
　　 (3)以80個(gè)樣地用作檢驗(yàn)，桉樹、杉木、馬尾松、闊葉

8、樹估測(cè)平均精度分別為90．16％，88．29％，88．69％，81．70％；郁閉度估測(cè)模型的估測(cè)平均精度分別為80．09％，81．15％，81．27，％，79．32％。
　　 (4)聯(lián)立蓄積量估測(cè)模型和郁閉度估測(cè)模型，獲得分層抽樣各樣地的蓄積量，根據(jù)抽樣原理得平南縣森林蓄積總量為6854634．265 m3。與平南縣森林資源規(guī)劃設(shè)計(jì)調(diào)查的森林蓄積量是5663204 m3相比，采用遙感抽樣的方法對(duì)平南縣蓄積量估測(cè)精度為78．96％