学位论文 > 优秀研究生学位论文题录展示

南方针叶林遥感信息提取研究

作　者: 马延辉
导　师: 林辉
学　校: 中南林业科技大学
专　业: 森林经理学
关键词: MODIS EVI 时间序列决策树信息提取针叶林
分类号: TP79
类　型: 硕士论文
年　份: 2010年
下　载: 149次
引　用: 0次
阅　读: 论文下载

内容摘要

森林是陆地覆盖的重要组成部分,是区域生态环境的重要指示因子,是国家实施可持续发展战略的重要物质基础。获取森林资源状况及其变化对森林经营决策有着重要要意义。传统的森林资源调查虽然能准确获取各种森林资源的分布状况,但是耗费巨大的人力、物力和财力且历时较长,调查结果常带有主观性。遥感技术的发展为研究区域森林资源状况提供了新的手段,MODIS数据由于其波段丰富,实时性强,成像范围大的特点,被广泛用于森林资源监测中。研究利用MODIS数据提取针叶林信息,旨在为森林资源监测、保护、调查提供参考数据,为相关部门制定决策提供科学依据。论文在“十一五”科技支撑项目子课题：森林生态系统内部结构及其变化研究(2006BAC08B03)资助下,以南方针叶林重要分布省份——湖南省为研究区,利用单时相MOD09A1和时间序列MOD13Q1数据针对针叶林遥感信息提取中的影像预处理、最佳波段组合选择、NDVI与EVI反应森林植被季节变化的敏感性、遥感影像最大似然与支持向量机分类和基于知识规则的决策树分类技术等问题开展了较为系统的研究。主要研究结果如下：1)MOD09A1数据7个波段中,band2携带的地物信息量最大,不同地物之间光谱的可分性较大,是MODIS应用研究中重点关注的波段。2)通过MOD09A1数据7个原始波段上不同森林类型光谱特征的对比分析发现,不同森林类型在各波段上的光谱响应曲线走势近似,并且距离较近,说明利用单时相MODIS数据难于区分森林类型。但是经过拉伸处理后的2-6-3波段合成影像对竹林识别能力显著增强。3)通过最佳指数分析,研究区MOD09A1数据理论最佳RGB合成为2-5-3波段,但是结合具体实际情况发现,2-6-3波段合成影像不同地物之间光谱特征差异较大,对识别地物有利。4)通过比较分析MODIS两种植被指数NDVI与EVI变化情况,发现EVI能较好反应不同森林类型(常绿针叶林、常绿阔叶林、落叶阔叶林、竹林及灌木林)的季节变化特征。5)对由单时相MOD09A1数据,band 2、band 3、band 6、EVI、NDSI构建的波段组进行MLC与SVM分类,两种分类方法比较而言,SVM方法总体精度较MLC高,但是两种方法均难于区分不同森林类型。6)对于时间序列EVI数据,决策树分类算法的总体精度达到74.22%,Kappa系数为0.6984,针叶林用户精度为79.13%。说明根据植被的生长规律,通过多时相的MODIS数据提取森林类型信息是可行的。决策树分类实现了不同空间分辨率、多源数据数据之间的混合使用,并且可以方便地利用多种地理信息,GIS资料与RS影像的结合能够得到满意的分类结果。在建立决策树时,引入了DEM、坡度数据,制定的判别规则更具科学性,提高了分类精度,尤其是在山区和丘陵地带。在后期的研究工作中,应最大限度地采用多源资料来辅助遥感信息提取。

全文目录

摘要  4-6
ABSTRACT  6-11
1 文献综述  11-23
  1.1 遥感技术在林业中的应用  11-13
  1.2 遥感信息提取方法综述  13-17
    1.2.1 目视解译  13
    1.2.2 监督分类  13-15
    1.2.3 非监督分类  15-16
    1.2.4 监督分类与非监督分类方法结合的混合分类  16
    1.2.5 决策树分类  16-17
    1.2.6 基于GIS空间数据库知识挖掘的遥感影像分类  17
  1.3 森林类型遥感信息提取研究现状  17-20
    1.3.1 国外研究现状  17-18
    1.3.2 国内研究现状  18-20
  1.4 研究的目的及意义  20-23
2 研究区概况  23-27
  2.1 自然条件概况  23-25
  2.2 社会经济条件  25
  2.3 植被概况  25-27
3 研究内容与技术路线  27-29
  3.1 研究内容  27
  3.2 技术路线  27-29
4 MODIS数据预处理  29-39
  4.1 MODIS简介  29-30
    4.1.1 MODIS数据特点  29-30
    4.1.2 MODIS产品分级及分类  30
    4.1.3 MODIS数据产品的文件格式  30
  4.2 植被指数  30-32
    4.2.1 植被指数类型  31
    4.2.2 MODIS植被指数  31-32
  4.3 土壤指数  32-33
  4.4 数据获取与镶嵌  33
    4.4.1 数据获取  33
    4.4.2 数据镶嵌  33
  4.5 投影转换与裁剪  33-34
    4.5.1 投影转换  33-34
    4.5.2 裁剪研究区  34
  4.6 森林类型的划分  34
  4.7 主要地物的光谱特征分析  34-39
    4.7.1 MODIS影像基本统计信息  35
    4.7.2 MODIS影像相关性分析  35-36
    4.7.3 遥感影像光谱特征分析  36-39
5 MODIS时间序列植被指数滤波重建  39-61
  5.1 时间序列植被指数产品平滑方法  39-40
  5.2 平滑MODIS植被指数  40-48
  5.3 EVI与NDVI敏感性分析  48-61
    5.3.1 选设采样点  49-50
    5.3.2 各森林类型EVI与NDVI变化分析  50-59
    5.3.3 小结  59-61
6 针叶林遥感信息提取  61-81
  6.1 参与分类波段的确定与训练样本选择  61-65
    6.1.1 各波段标准差结合波段间相关系数进行选择  61-62
    6.1.2 最佳指数公式法  62-64
    6.1.3 训练样本的选择  64-65
  6.2 针叶林遥感信息提取  65-74
    6.2.1 基于最大似然分类的针叶林信息提取  65-67
    6.2.2 基于SVM的针叶林信息提取  67-70
    6.2.3 基于决策树的针叶林信息提取  70-74
  6.3 遥感信息提取精度评价  74-81
    6.3.1 精度评价概述  74-77
    6.3.2 针叶林遥感信息提取精度分析  77-81
7 结论与讨论  81-83
  7.1 结论  81
  7.2 讨论  81-83
参考文献  83-93
附表1 MODIS波段分布和主要应用  93-95
附表2 MODIS产品分级及分类  95-97
附图1 南方针叶林信息提取结果  97-99
附录A 研究区森林类型信息提取决策树代码  99-109
附录B 攻读硕士学位期间的主要学术成果  109-111
致谢  111

南方针叶林遥感信息提取研究

内容摘要

全文目录

相似论文