论文题目: 基于ASTER遥感数据的建湖县杨树信息提取的研究——分类、建模与反演制图
论文类型: 博士论文
论文专业: 生态学
作者: 李明诗
导师: 彭世揆,朱智良
关键词: 杨树,建湖,融合,决策树,回归树
文献来源: 南京林业大学
发表年度: 2005
论文摘要: 杨树因其生长快、轮伐期短、易于定向培育等特点而深受群众喜爱。江苏省目前提出要大力改善江苏的生态状况,考量改善与否一个非常重要的指标就是江苏的森林覆被率,而快速提高森林覆被率的有效手段就是大面积造林。由于杨树独特生物学习性,因而成为江苏的主要造林树种之一。杨树造林对于快速提高江苏的森林覆被率、增加当地农民的收入和地方财政收入具有重要意义。为了实现江苏杨树产业的健康、可持续发展,就必须对杨树产业发展进行科学合理的规划,而规划的前提就是提取江苏杨树资源现状。传统的获取现状的方式是大面积、高强度的地面人工调查,这种资源调查方式费工费时、调查成果的主观性强。由于遥感技术具有宏观、客观、快速高效和动态监测等优点,因此,利用遥感技术结合GIS、GPS 进行杨树资源调查就成为现代资源调查的有效方式。本次论文研究就是在这种背景下,结合国家林业局课题“3S 技术在森林资源二类调查中的应用”在苏北平原地区针对杨树资源的遥感提取而开展的。通过对研究区ASTER 原始数据的统计分析以及研究区主要8 种地物类型的特征光谱分析,深入掌握了ASTER 原始9 个波段数据对研究区地物间可分性的表达能力。在此基础上,针对ASTER 各波段覆盖的光谱范围,进行了主成分融合、逆主成分变换、HIS 融合、MNF 变换、小波融合、植被指变换数及LBV 变换,共生成了37 个特征图像,加上原始9 个ASTER 波段共46 个波段,这构成了本文研究的遥感数据基础,为后续的遥感分类研究和杨树测树因子建模和空间成图奠定了数据基础。此后,针对46 个波段进行了统计分析如标准差计算、信息量计算、最优指数计算,特别是进行了基于J-M 距离和变换离散度的主要地物的可分性分析,经过分析发现,由NDVI、RVI、PVI 和MSAVI 构成的植被指数组合在研究区主要地物类型间的可分性和杨树与其它主要地物类型的可分性上性能最优,于是确定植被指数组合是后续分类的最优波段组合。在对主要地物类型训练区采用自行设计的 “基于均值和标准差剔除‘异己’像元”的训练区精练方法进行训练区纯化后,本文进行了基于最大似然法分类器、神经网络分类算法和决策树分类算法对研究区8 种主要地物类型的分类提取研究,并利用野外验证样地进行分类精度的评价。结果表明决策树的分类精度最高(总体分类精度84.4%,Kappa 系数为0.822,杨树的生产者精度和用户精度分别为93.6%和83%),由此提取了研究区杨树空间分布模式并统计研究区杨树类型的总面积为5805hm2,并由此建立研究区杨树空间分布图,为制作杨树测树因子空间分布图奠定了良好的基础。然后,进行了研究区杨树与其它地物类型形成的混合像元的线性光谱分解和模糊分类,并由此提取了研究区的杨树面积比。最后通过46 个波段与地面实测测树因子之间的相关分析,找出了对于估算杨树单位面积蓄积量、杨树样地平均高和杨树年龄的最优波段并建立了实用的估算模型(单输入模型和回归树模型),并利用该模型反演了研究区杨树测树因子的空间分布。本文通过对研究区的系统遥感研究,得出如下结论: 1 原始ASTER 图像9 个波段中,波段3 和4 是遥感应用研究中应重点关注的,其上携带的地物信息量最为丰富。 2 通过46 个波段上不同年龄杨树特征光谱的对比分析发现,不同年龄杨树在各光谱波段
论文目录:
第一章 文献综述
1.1 研究的目的和意义
1.2 植被遥感的国内外研究现状及发展趋势
第二章 研究区基本概况
2.1 建湖县基本概况
2.1.1 自然条件
2.1.2 社会经济条件
2.1.3 土地利用现状
2.1.4 自然灾害状况
2.1.5 林业生产现状、特点及存在的主要问题
2.1.6 研究用主要图面资料
2.2 外业调查
2.2.1 建湖县杨树资源遥感监测的外业调查方案
2.1.2 外业调查成果
2.3 研究方法及技术路线
2.4 ASTER 数据的预处理
2.4.1 关于遥感图像几何校正和辐射校正的原因
2.4.2 研究区 ASTER 数据的几何校正
2.4.3 遥感数据的大气订正
第三章 研究区 ASTER 遥感数据分析
3.1 ASTER 遥感数据
3.1.1 ASTER简介
3.1.2 Terra卫星技术参数
3.1.3 ASTER传感器技术参数
3.1.4 研究区ASTER数据统计分析
3.2 主要地物的光谱特征分析
3.2.1 地物特征光谱曲线分析
3.2.2 小结
第四章 遥感信息融合处理
4.1 遥感图像融合处理概述
4.1.1 遥感图像信息融合的概念
4.1.2 遥感信息融合的技术关键
4.1.3 遥感信息融合的三个层次
4.2 遥感图像的主成分融合
4.2.1 主成分变换的原理与效应
4.2.2 遥感图像的K-L变换
4.2.3 ASTER数据主成分变换
4.2.4 主成分逆变换
4.3 ASTER 数据的MNF 变换
4.3.1 MNF变换的原理
4.3.2 ASTER数据的MNF变换
4.4 HIS 变换
4.4.1 HIS变换概述
4.4.2 HIS融合原理
4.5 ASTER 数据的小波融合
4.5.1 连续小波变换的原理
4.5.2 离散小波变换
4.5.3 基于小波变换的图像融合
4.6 植被指数生成
4.6.1 比值植被指数
4.6.2 归一化植被指数
4.6.3 垂直植被指数
4.6.4 修改型土壤调节植被指数
4.7 ASTER 数据的LBV 变换
4.8 融合图像的可分性评价
4.8.1 融合生成的所有波段及其序号对应表
4.8.2 波段统计特征参数
4.8.3 J-M距离和变换离散度
4.9 本章小结
第五章 杨树面积的遥感图像分类提取
5.1 遥感图像分类概述
5.1.1 遥感图像分类的概念
5.1.2 遥感图像分类方法
5.2 参与分类优化波段子集的确定与训练区精练
5.2.1 定性选取
5.2.2 各波段亮度值标准差结合波段间的相关系数矩阵进行选取
5.2.3 最优指数公式法
5.2.4 平均可分性度量—平均J-M距离
5.2.5 训练区的选择与精练
5.3 基于BAYES决策准则的遥感图像分类
5.3.1 Bayes决策分类原理
5.3.2 Bayes 决策准则的讨论
5.3.3 研究区ASTER数据的最大似然法分类
5.4 人工神经元网络分类
5.4.1 神经元网络概述
5.4.2 人工神经元模型
5.4.3 BP神经网络模型
5.4.4 BP神经网络杨树信息提取模型设计
5.5 基于SEE5.0 和CART 的决策树分类
5.5.1 决策树分类概述
5.5.2 决策树分类原理
5.5.3 See5.0数据挖掘及决策树生成
5.6 分类结果评价
5.6.1 依据地面验证数据而建立的混淆矩阵
5.6.23 种分类方法取得的分类结果图像
5.7 基于混合像元分类的杨树面积提取
5.7.1 混合光谱的线性分解
5.7.2 模糊分类
5.8 本章小结
第六章 杨树测树因子建模与成图研究
6.1 遥感生物物理建模概述
6.2 研究区杨树测树因子的单输入常规建模
6.2.1 样地空间位置与遥感图像像元的匹配和像元亮度值的提取
6.2.2 杨树单位面积蓄积量估测模型建立
6.2.3 杨树样地年龄估测模型建立与比较
6.2.4 样地杨树平均高估测模型建立与比较
6.2.5 单输入模型的基本评价
6.3 杨树测树因子的回归树估算模型的建立
6.3.1 回归树原理
6.3.2 估算单位面积蓄积量的回归树模型
6.3.3 估算杨树树高的回归树模型
6.3.4 估算杨树年龄的回归树模型
6.3.5 两种建模方式的精度评价
6.4 杨树测树因子的遥感反演制图
6.4.1 单输入回归估测模型反演地面测树因子图像
6.4.2 回归树估算模型反演地面测树因子图像
6.5 本章小结
第七章 结论与展望
7.1 结论
7.2 主要创新点
7.3 展望
参考文献
详细摘要
发布时间: 2005-12-30
参考文献
- [1].杨树冠型、根系的分形特征及杨树改良策略[D]. 李火根.南京林业大学2003
相关论文
- [1].高维遥感数据土地覆盖特征提取与分类研究[D]. 刘正军.中国科学院研究生院（遥感应用研究所）2003
- [2].遥感土地利用/土地覆盖变化信息提取的决策树方法[D]. 王萍.山东科技大学2004
- [3].中国土地覆盖分类与变化监测遥感研究[D]. 骆成凤.中国科学院研究生院（遥感应用研究所）2005
- [4].高光谱遥感图像目标探测与分类技术研究[D]. 耿修瑞.中国科学院研究生院（遥感应用研究所）2005
- [5].超光谱遥感图像降维及分类方法研究[D]. 刘春红.哈尔滨工程大学2005
- [6].多源遥感信息融合技术及多源信息在地学中的应用研究[D]. 韩玲.西北大学2005
- [7].地学知识辅助遥感进行山地丘陵区基于系统分类标准的土壤自动分类方法研究[D]. 罗红霞.武汉大学2005
- [8].高光谱遥感森林类型识别及其郁闭度定量估测研究[D]. 谭炳香.中国林业科学研究院2006
- [9].森林生物量遥感反演建模基础与方法研究[D]. 仝慧杰.北京林业大学2007
- [10].高分辨率遥感影像在城市绿地信息提取中的应用研究[D]. 费鲜芸.山东农业大学2006