学位论文 > 优秀研究生学位论文题录展示

森林遥感分类技术研究——以浙西北山区为例

作　者: 施拥军
导　师: 王珂
学　校: 浙江大学
专　业: 农业遥感与信息技术
关键词: 森林资源遥感技术影像处理优化波段组合目视解译监督分类非监督分类训练样本选取影像融合
分类号: S771.8
类　型: 硕士论文
年　份: 2003年
下　载: 647次
引　用: 24次
阅　读: 论文下载

内容摘要

森林是国家可持续发展的重要物质基础，是经济建设和生态环境建设中不可多得的、可更新的再生资源，具有保持水土、涵养水源、防风固沙、净化空气、调节气候等生态功能，森林资源状况及其消长变化，不仅影响区域经济的持续发展，而且还影响地区乃至全球环境的变化，因此倍受人们关注。遥感技术具有宏观、动态、便捷、可周期重复和成本低等诸多优点，非常吻合森林资源辽阔性、复杂性、通达性差等特点，已成为研究森林资源状况的理想手段。目前，在森林遥感应用中，多源遥感数据的提供能力越来越强，但由于遥感信息的综合性、复杂性，使得遥感信息处理技术却相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟，高分辨率IKONOS卫星影像在林业上的应用研究更是少见报道。本文以浙西北山区(淳安和临安两个研究点)为研究对象，利用IKONOS和TM遥感数据针对森林遥感分类中的影像处理、波段组合选择、多源影像融合、影像分类方法和森林遥感分类效益等问题开展研究，对推进浙江地区森林遥感应用具有重要意义。研究的主要内容和结论归纳如下： (1)分别对研究区TM和IKONOS影像进行了各波段信息量、标准差、相关性等统计特征及森林类型光谱特征分析。通过定性分析和最佳指数因子OIF值计算，表明，TM541、IKONOS421是一种最佳的三波段组合方式，具有最大的信息量和最少的信息冗余度。研究还对两种影像做了主成分分析，提取出主成分特征影像。 (2)研究进行了HIS、Brovey、主成分变换等多种影像融合试验，通过融合前后影像的目视比较和相关系数定量分析得出，主成分变换法是一种优良的影像融合方法。融合后的IKONOS影像，既具有丰富的色彩，又具有清晰的纹理结构，有利于森林类型分类。（3）在 GIS数据支持下，进行了多种森林遥感分类试验，精度分析表明：对于TM影像来说，基于原始六波段影像（热波段除外）的监督分类效果最佳，但若分至四级森林类型，其分类总体精度只能达 70．67％，面积相对精度仅为60．13％，与实用要求相去甚远，如果分至二级，则面积精度可以达到 88．63％。在监督分类中，研制了一种专题矢量图件与种子像元扩展紧密结合的训练样本优选法，可使训练样本得以优化和纯化。对于 IKONOS高分辨率融合影像，人机交互目视解译是一个最佳方法，森林四级类型的目视解译面积精度可达 97．60％。门）研究表明 IKONOS适宜用于森林面积资源本底清查，完全满足制作．：5000 山林现状图的精度要求，并具有良好的经济效益，每平方公里林业用地可节省经费约70元，整个浙江省完成一次森林资源调查，可节省经费约458万元（不考虑遥感数据的其它综合利用价值）。

全文目录

目录  6-8
中文摘要  8-10
英文摘要  10-12
1 遥感技术在森林中的应用综述  12-26
  1.1 森林遥感应用和研究动态  12-17
    1.1.1 遥感技术与森林遥感  12-13
    1.1.2 国外森林遥感应用和研究动态  13-15
    1.1.3 国内森林遥感应用和研究动态  15-17
  1.2 森林遥感分类技术综述  17-24
    1.2.1 森林遥感分类的基本技术  17-19
    1.2.2 森林遥感分类的辅助技术  19-24
      1.2.2.1 影像融合  19-21
      1.2.2.2 混合象元分解  21-22
      1.2.2.3 地理信息系统与遥感的结合  22-24
  1.3 本项研究工作目的和意义  24-26
2 数据获取和处理  26-36
  2.1 试验区选择  26
  2.2 软硬件配置  26-27
    2.2.1 系统硬件  26
    2.2.2 系统软件  26-27
  2.3 数据获取  27-29
    2.3.1 地形图修测  27-28
    2.3.2 小班划分和调查  28-29
  2.4 数据处理  29-36
    2.4.1 地面基础资料处理  29-31
      2.4.1.1 图形扫描与拼接  30
      2.4.1.2 栅格文件矢量化  30-31
      2.4.1.3 属性输入与编辑  31
    2.4.2 遥感数字影像处理  31-36
      2.4.2.1 影像拼接  31-32
      2.4.2.2 影像几何校正  32-34
      2.4.2.3 影像切割  34
      2.4.2.4 影像辐射校正和增强  34-36
3 遥感影像特征分析及波段组合选择  36-50
  3.1 遥感影像特征分析  36-44
    3.1.1 传感器波段特性分析  36-38
    3.1.2 遥感影像统计特征分析  38-40
    3.1.3 遥感影像光谱特征分析  40-44
  3.2 波段组合选择分析  44-47
    3.2.1 波段组合定性选择  44-45
    3.2.2 波段组合定量选择  45-47
      3.2.2.1 选择依据  45
      3.2.2.2 选择结果  45-47
  3.3 特征影像提取  47-50
4 多源遥感影像融合处理  50-58
  4.1 遥感影像融合方法  50-52
    4.1.1 IHS变换  50-52
    4.1.2 主成分变换  52
    4.1.3 Brovey变换  52
  4.2 遥感影像融合试验  52-54
  4.3 遥感影像融合结果分析  54-58
    4.3.1 主观定性评价  54
    4.3.2 客观定量评价  54-58
5 森林遥感分类试验  58-79
  5.1 森林分类类型的确定  58-59
    5.1.1 分类原则和依据  58
    5.1.2 森林类型的划分  58-59
  5.2 森林类型遥感分类方法  59-79
    5.2.1 计算机自动分类  59-74
      5.2.1.1 非监督分类  60-61
      5.2.1.2 监督分类  61-66
      5.2.1.3 分类精度(Classification Accuracy)评估  66-69
      5.2.1.4 计算机分类数据与地面调查数据比较  69-74
    5.2.2 目视解译  74-79
      5.2.2.1 判读标志选取  75
      5.2.2.2 判读标志建立  75-77
      5.2.2.3 图斑判读区划  77-79
6 森林遥感分类适用性及效益分析  79-83
  6.1 适用性分析  79-80
  6.2 效益分析  80-81
  6.3 基于遥感分类的森林资源调查新思路  81-83
7 结果与讨论  83-86
参考文献:  86-91
附图  91-95

森林遥感分类技术研究——以浙西北山区为例

内容摘要

全文目录

相似论文