本文主要研究内容
作者周希胜（2019）在《基于Sentinel-2A数据的徐州城市植被分类及生物量反演研究》一文中研究指出：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,SVMM4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(R2nh)依次为0.853、0.821和0.838,模型决定系数(R2yz)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1.30×105t;阔叶林生物量次之,为6.20×104t;低矮植被生物量最低,为2.64×104t,总生物量为2.18×105t。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。
Abstract
cheng shi zhi bei fen lei ji sheng wu liang fan yan yan jiu ,bu jin shi cheng shi jing guan gui hua yu guan li de ji chu ,hai ke wei cheng shi zhi bei sheng tai diao jie 、huan jing bao hu deng yan jiu di gong shu ju ji chu he ji shu zhi cheng 。ben wen ji yu Sentinel-2Ayao gan ying xiang he shi de yang fang diao cha shu ju ,yi xu zhou san huan lu fan wei nei cheng shi zhi bei wei yan jiu dui xiang ,tan jiu le cheng shi zhi bei fen lei fang fa ji sheng wu liang fan yan mo xing de gou jian 。zai bian liang shai shua de ji chu shang ,gen ju can yu fen lei de bian liang lei xing bu tong ,she ji le 4zu bu tong de fen lei te zheng bian liang zu ge bing li yong wu chong bu tong de fen lei qi jin hang fen lei 。zai cheng shi zhi bei sheng wu liang fan yan mo xing gou jian fang mian ,jie ge shi de yang fang sheng wu liang diao cha jie guo ,li yong yi yuan hui gui mo xing （SR）、duo yuan xian xing hui gui mo xing （MLR）yi ji zhu bu hui gui mo xing （Both-SRA）,zhen dui bu tong lei xing zhi bei fen bie gou jian sheng wu liang fan yan mo xing 。gen ju mo xing jing du yan zheng jie guo ,jie ge 2017nian bu tong yue fen de 6ji yao gan ying xiang ,dui yan jiu ou sheng wu liang fen bu ji nian du bian hua te zheng jin hang le fen xi 。zhu yao yan jiu cheng guo he jie lun ru xia :（1）di qu le cheng shi zhi bei duan yuan xin xi 。tong guo zui xiao zao sheng fen li （MNF）、zhi bei duan yuan “chu bu shai shua ”he “chun hua ”deng bu zhou ,zui zhong de dao san chong zhi bei duan yuan ,fen bie wei di ai zhi bei 、kuo xie lin he zhen xie lin 。tong guo wan quan yao shu zui xiao er cheng fa （FCLS）ji suan de dao san chong zhi bei zu fen feng du tu ,ji jun fang gen （RMS）wei 0.019,hun ge xiang yuan fen jie jie guo jing du jiao hao 。（2）tan tao le cheng shi zhi bei fen lei fang fa 。zai xiang tong fen lei te zheng bian liang zu ge xia ,wu chong fen lei qi zhong SVMfen lei qi de fen lei jing du zui gao ,RF、ANNhe QUESTfen lei qi fen lei jing du ci zhi ,MLCfen lei jing du zui di 。dui yu tong yi fen lei qi ke yi fa xian ,sui zhao can yu fen lei de bian liang shu liang de zeng jia （ji you M1dao M4）,fen lei jing du dou you suo di gao 。zai ji yu wu chong fen lei qi de suo you fen lei mo xing zhong ,SVMM4mo xing de fen lei jie guo zui you ,zong ti jing du wei 89.86%,Kappaji shu wei 0.83,di ai zhi bei 、kuo xie lin he zhen xie lin fen lei jing du yi ci wei 86.76%,90.41%he 91.43%。（3）gou jian le cheng shi zhi bei sheng wu liang fan yan mo xing 。san chong jian mo fang fa zhong Both-SRAmo xing ni ge he fan yan jing du zui gao ,di ai zhi bei 、kuo xie lin he zhen xie lin mo xing ni ge du (R2nh)yi ci wei 0.853、0.821he 0.838,mo xing jue ding ji shu (R2yz)yi ci wei 0.7679、0.7318he 0.7860。ci wai ,ou fen zhi bei lei xing suo de dao de mo xing zai ni ge du he mo xing jing du shang jun you yu wei ou fen zhi bei lei xing de sheng wu liang fan yan mo xing 。（4）jie shi le xu zhou cheng shi zhi bei sheng wu liang bian hua te zheng 。li yong Both-SRAmo xing fan yan yan jiu ou bu tong zhi bei sheng wu liang ,jie guo biao ming ,2017nian 7yue san chong zhi bei zhong zhen xie lin sheng wu liang zui gao ,wei 1.30×105t;kuo xie lin sheng wu liang ci zhi ,wei 6.20×104t;di ai zhi bei sheng wu liang zui di ,wei 2.64×104t,zong sheng wu liang wei 2.18×105t。nian du sheng wu liang yan jiu jie guo xian shi ,quan nian 1yue he 12yue sheng wu liang zui di ,9yue sheng wu liang zui gao 。
论文参考文献
论文详细介绍
论文作者分别是来自中国矿业大学的周希胜，发表于刊物中国矿业大学2019-07-18论文，是一篇关于城市植被论文,遥感影像论文,混合像元分解论文,生物量反演论文,徐州论文,中国矿业大学2019-07-18论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国矿业大学2019-07-18论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：城市植被论文; 遥感影像论文; 混合像元分解论文; 生物量反演论文; 徐州论文; 中国矿业大学2019-07-18论文;