亚热带人工林高分光学影像的纹理特征研究
发布时间：2022-02-16 07:08
在高分光学卫星影像的应用中,纹理发挥着十分关键的作用。然而,现存大部分研究对于纹理变量的优选以及相应输入参数的优化配置均未给予充分重视;混交度被用于表征混交林中树种空间隔离情况,它在某种程度上也反映空间分布状况,但到目前为止还未见人工林混交度与影像纹理之间的关系研究。本文以此为基础进行探究,研究区选为福建省将乐国有林场,首先以不同坡向上不同龄组的杉木人工林为例,基于Quick Bird影像的全色波段计算灰度共生矩阵（GLCM）纹理,采用可分离度J值优选出适合进行龄组区分的纹理变量及其相应的参数配置范围,并进一步阐明各纹理量随输入参数的普适性变化规律。其次,提取出针阔混交林样地的GLCM纹理变量,得到不同混交度人工林高分影像的纹理特征,并最终确定各纹理特征值与混交度之间的相关关系。研究结果表明:（1）除了GLCM均值之外的所有纹理量对阴坡的三个龄组的区分能力均比阳坡强,证明了纹理有可能还原一部分被阴影所掩盖的光谱信息。（2）窗口大小是统计组和有序组纹理最关键的输入参数,合适的窗口大小与影像的分辨率以及研究对象的空间尺度有关,比如本研究的亚米级高分光学影像在进行人工林龄组划分时最好设置窗口...
【文章来源】：北京林业大学北京市211工程院校教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 研究现状及发展趋势
1.3.1 影像纹理分析研究的现状和趋势
1.3.2 高分光学卫星影像纹理信息在林业领域的应用现状
1.3.3 纹理变量选择及输入参数设置的现状及分析
1.3.4 混交度研究
1.4 研究技术路线
2 材料与方法
2.1 研究区概况
2.1.1 地理位置
2.1.2 植被状况
2.1.3 气候条件
2.1.4 土壤特征
2.2 研究方法
2.2.1 实验数据
2.2.2 数据预处理
2.2.3 灰度共生矩阵(GLCM)
2.2.4 可分离度指标的构建
2.2.5 基于Voronoi图改进的混交度计算方法
3 结果和分析
3.1 可分离度定量分析与比较
3.1.1 纹理变量优选
3.1.2 优化纹理变量的参数配置
3.2 纹理量与其输入参数的关系研究
3.2.1 统计组纹理随参数的变化规律
3.2.2 对比度组纹理随参数的变化规律
3.2.3 有序组纹理随参数的变化规律
3.3 混交度与GLCM纹理的关系研究
3.3.1 各样地混交度计算结果
3.3.2 纹理量与混交度相关关系
4 讨论
4.1 纹理变量与参数设置
4.2 纹理的方向性
4.3 纹理与混交度之间的关系
5 结论与展望
5.1 结论
5.2 展望
参考文献
个人简介
第一导师简介
第二导师简介
致谢
【参考文献】：
期刊论文
[1]临安不同森林类型混交度的对比研究[J]. 杜秀芳,汤孟平,郦青,沈钱勇,杨帆. 西南林业大学学报(自然科学). 2019(03)
[2]利用Voronoi图评价油松人工林空间结构[J]. 孙宇晗,王士博,王润涵,郑小雨,闫飞. 浙江农林大学学报. 2018(05)
[3]Comparison of satellite images with different spatial resolutions to estimate stand structural diversity in urban forests[J]. Ulas Yunus Ozkan,Ibrahim Ozdemir,Tufan Demirel,Serhun Saglam,Ahmet Yesil. Journal of Forestry Research. 2017(04)
[4]基于光谱与纹理特征的南疆盆地果树树种遥感识别研究[J]. 岳俊,王振锡,冯振峰,李子艺,王玲段. 新疆农业大学学报. 2015(04)
[5]光学影像纹理信息在林业领域的最新应用进展[J]. 陈玲,郝文乾,高德亮. 北京林业大学学报. 2015(03)
[6]农作物遥感识别中的多源数据融合研究进展[J]. 宋茜,周清波,吴文斌,胡琼,余强毅,唐华俊. 中国农业科学. 2015(06)
[7]基于Voronoi图和Delaunay三角网的杉木游憩林空间结构[J]. 方景,孙玉军,郭孝玉,梅光义. 林业科学. 2014(12)
[8]基于加权Voronoi图的杉木生态公益林空间结构量化分析[J]. 封尧,李际平,张彩彩,赵春燕,曹小玉. 中南林业科技大学学报. 2014(07)
[9]高分辨率遥感影像的压缩纹理元分类[J]. 金晶,邹峥嵘,陶超. 测绘学报. 2014(05)
[10]基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 侯群群,王飞,严丽. 国土资源遥感. 2013(04)
博士论文
[1]杉木人工林林分主要参数遥感反演技术研究[D]. 孙华.中国林业科学研究院 2013
硕士论文
[1]基于高分遥感纹理信息的森林蓄积量估测研究[D]. 尤静妮.西安科技大学 2017
[2]基于Voronoi图的阔叶混交林林分空间结构研究[D]. 徐扬洋.安徽农业大学 2017
[3]将乐林场杉木人工林空间结构及其优化模型研究[D]. 宋放.北京林业大学 2016
[4]Voronoi图的改进及其在林分空间结构优化中的应用[D]. 张彩彩.中南林业科技大学 2015
[5]基于林分空间结构优化的采伐木确定方法研究[D]. 郝月兰.中国林业科学研究院 2012
[6]基于灰度共生矩阵的森林纹理构造因子确定方法研究[D]. 李进.浙江农林大学 2010
[7]纹理信息在遥感影像分类中的应用[D]. 黄丽梅.山东师范大学 2009
[8]基于GIS的森林可视化与空间结构分析技术研究[D]. 章雪莲.浙江林学院 2009
本文编号：3627596
【文章来源】：北京林业大学北京市211工程院校教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 研究现状及发展趋势
1.3.1 影像纹理分析研究的现状和趋势
1.3.2 高分光学卫星影像纹理信息在林业领域的应用现状
1.3.3 纹理变量选择及输入参数设置的现状及分析
1.3.4 混交度研究
1.4 研究技术路线
2 材料与方法
2.1 研究区概况
2.1.1 地理位置
2.1.2 植被状况
2.1.3 气候条件
2.1.4 土壤特征
2.2 研究方法
2.2.1 实验数据
2.2.2 数据预处理
2.2.3 灰度共生矩阵(GLCM)
2.2.4 可分离度指标的构建
2.2.5 基于Voronoi图改进的混交度计算方法
3 结果和分析
3.1 可分离度定量分析与比较
3.1.1 纹理变量优选
3.1.2 优化纹理变量的参数配置
3.2 纹理量与其输入参数的关系研究
3.2.1 统计组纹理随参数的变化规律
3.2.2 对比度组纹理随参数的变化规律
3.2.3 有序组纹理随参数的变化规律
3.3 混交度与GLCM纹理的关系研究
3.3.1 各样地混交度计算结果
3.3.2 纹理量与混交度相关关系
4 讨论
4.1 纹理变量与参数设置
4.2 纹理的方向性
4.3 纹理与混交度之间的关系
5 结论与展望
5.1 结论
5.2 展望
参考文献
个人简介
第一导师简介
第二导师简介
致谢
【参考文献】：
期刊论文
[1]临安不同森林类型混交度的对比研究[J]. 杜秀芳,汤孟平,郦青,沈钱勇,杨帆. 西南林业大学学报(自然科学). 2019(03)
[2]利用Voronoi图评价油松人工林空间结构[J]. 孙宇晗,王士博,王润涵,郑小雨,闫飞. 浙江农林大学学报. 2018(05)
[3]Comparison of satellite images with different spatial resolutions to estimate stand structural diversity in urban forests[J]. Ulas Yunus Ozkan,Ibrahim Ozdemir,Tufan Demirel,Serhun Saglam,Ahmet Yesil. Journal of Forestry Research. 2017(04)
[4]基于光谱与纹理特征的南疆盆地果树树种遥感识别研究[J]. 岳俊,王振锡,冯振峰,李子艺,王玲段. 新疆农业大学学报. 2015(04)
[5]光学影像纹理信息在林业领域的最新应用进展[J]. 陈玲,郝文乾,高德亮. 北京林业大学学报. 2015(03)
[6]农作物遥感识别中的多源数据融合研究进展[J]. 宋茜,周清波,吴文斌,胡琼,余强毅,唐华俊. 中国农业科学. 2015(06)
[7]基于Voronoi图和Delaunay三角网的杉木游憩林空间结构[J]. 方景,孙玉军,郭孝玉,梅光义. 林业科学. 2014(12)
[8]基于加权Voronoi图的杉木生态公益林空间结构量化分析[J]. 封尧,李际平,张彩彩,赵春燕,曹小玉. 中南林业科技大学学报. 2014(07)
[9]高分辨率遥感影像的压缩纹理元分类[J]. 金晶,邹峥嵘,陶超. 测绘学报. 2014(05)
[10]基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 侯群群,王飞,严丽. 国土资源遥感. 2013(04)
博士论文
[1]杉木人工林林分主要参数遥感反演技术研究[D]. 孙华.中国林业科学研究院 2013
硕士论文
[1]基于高分遥感纹理信息的森林蓄积量估测研究[D]. 尤静妮.西安科技大学 2017
[2]基于Voronoi图的阔叶混交林林分空间结构研究[D]. 徐扬洋.安徽农业大学 2017
[3]将乐林场杉木人工林空间结构及其优化模型研究[D]. 宋放.北京林业大学 2016
[4]Voronoi图的改进及其在林分空间结构优化中的应用[D]. 张彩彩.中南林业科技大学 2015
[5]基于林分空间结构优化的采伐木确定方法研究[D]. 郝月兰.中国林业科学研究院 2012
[6]基于灰度共生矩阵的森林纹理构造因子确定方法研究[D]. 李进.浙江农林大学 2010
[7]纹理信息在遥感影像分类中的应用[D]. 黄丽梅.山东师范大学 2009
[8]基于GIS的森林可视化与空间结构分析技术研究[D]. 章雪莲.浙江林学院 2009
本文编号：3627596
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3627596.html
