基于Sentinel-2A数据的徐州城市植被分类及生物量反演研究

作     者：周希胜 

作者单位：中国矿业大学 

学位级别：硕士

导师姓名：陈龙乾

授予年度：2019年

学科分类：0710[理学-生物学] 071001[理学-植物学] 12[管理学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：城市植被 Sentinel-2A遥感影像 混合像元分解 生物量反演 徐州 

摘      要：城市植被分类及生物量反演研究,不仅是城市景观规划与管理的基础,还可为城市植被生态调节、环境保护等研究提供数据基础和技术支撑。本文基于Sentinel-2A遥感影像和实地样方调查数据,以徐州三环路范围内城市植被为研究对象,探究了城市植被分类方法及生物量反演模型的构建。在变量筛选的基础上,根据参与分类的变量类型不同,设计了4组不同的分类特征变量组合并利用五种不同的分类器进行分类。在城市植被生物量反演模型构建方面,结合实地样方生物量调查结果,利用一元回归模型(SR)、多元线性回归模型(MLR)以及逐步回归模型(Both-SRA),针对不同类型植被分别构建生物量反演模型。根据模型精度验证结果,结合2017年不同月份的6期遥感影像,对研究区生物量分布及年度变化特征进行了分析。主要研究成果和结论如下:(1)提取了城市植被端元信息。通过最小噪声分离(MNF)、植被端元“初步筛选和“纯化等步骤,最终得到三种植被端元,分别为低矮植被、阔叶林和针叶林。通过完全约束最小二乘法(FCLS)计算得到三种植被组分丰度图,其均方根(RMS)为0.019,混合像元分解结果精度较好。(2)探讨了城市植被分类方法。在相同分类特征变量组合下,五种分类器中SVM分类器的分类精度最高,RF、ANN和QUEST分类器分类精度次之,MLC分类精度最低。对于同一分类器可以发现,随着参与分类的变量数量的增加(即由M1到M4),分类精度都有所提高。在基于五种分类器的所有分类模型中,SVM4模型的分类结果最优,总体精度为89.86%,Kappa系数为0.83,低矮植被、阔叶林和针叶林分类精度依次为86.76%,90.41%和91.43%。(3)构建了城市植被生物量反演模型。三种建模方法中Both-SRA模型拟合和反演精度最高,低矮植被、阔叶林和针叶林模型拟合度(R)依次为0.853、0.821和0.838,模型决定系数(R)依次为0.7679、0.7318和0.7860。此外,区分植被类型所得到的模型在拟合度和模型精度上均优于未区分植被类型的生物量反演模型。(4)揭示了徐州城市植被生物量变化特征。利用Both-SRA模型反演研究区不同植被生物量,结果表明,2017年7月三种植被中针叶林生物量最高,为1.30×10t;阔叶林生物量次之,为6.20×10t;低矮植被生物量最低,为2.64×10t,总生物量为2.18×10t。年度生物量研究结果显示,全年1月和12月生物量最低,9月生物量最高。