基于多源数据的落叶松人工林识别研究
发布时间：2021-08-29 17:55
落叶松是我国大部分林区常见的一种寒温带及温带树种,不仅天然分布广,且具有速生、材质好、抗性强、适应性广等特点,已成为我国北方主要的造林树种,落叶松人工林能够在一定程度上减轻对天然林木材供给需求的压力,随着我国林业重点工程建设的稳步推进,落叶松人工林信息提取已成为落叶松研究领域一项新的需求。如何利用遥感手段快速获取我国落叶松人工林的空间位置分布信息,对掌握区域落叶松人工林空间分布状况,促进落叶松人工林合理种植,提升我国落叶松人工林资源培育和管理水平并实现可持续经营具有重要的理论价值和现实意义。本文以黑龙江省佳木斯市孟家岗林场的落叶松人工林为研究对象,利用Landsat 8、GF-1遥感影像和DEM模型,结合地面样地和森林资源二类调查小班资料,通过特征空间与分类器的选择,进行森林类别提取实验,研究针对落叶松人工林信息提取的理论和方法,以期高精度提取落叶松人工林空间位置分布。本文主要研究内容和结论如下:（1）研究通过优选时相特征、比值特征、纹理特征,结合地形因子,构建落叶松人工林分类特征库,探讨多特征融合数据对落叶松人工林的提取效果。研究结果表明,落叶松人工林的信息提取受数据源特征信息量的影...
【文章来源】：西安科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
研究区位置示意图
和 6 景 GF-1 影像作为遥感数据源，其中 Landsat8 影像下载于地理空间数据云，GF-1 影像下载自中国资源卫星应用中心，其具体信息见表 2.1，遥感影像如图 2.2、2.3 示。表 2.1 遥感影像数据源信息卫星 传感器类型 采集时间 云量 所属季节Landsat8 OLI_TIRS 2017.06.16 1.02% 初夏Landsat8 OLI_TIRS 2017.08.19 2.07% 中秋Landsat8 OLI_TIRS 2017.10.22 0.07% 深秋GF-1 PMS1 2017.05.02 0% 春GF-1 PMS1 2017.05.02 0% 春GF-1 PMS1 2017.07.06 3% 中夏GF-1 PMS1 2017.07.06 1% 中夏GF-1 PMS1 2017.10.25 0% 深秋GF-1 PMS1 2017.10.25 0% 深秋
（a）2017 年 5 月 2 日 （b）2017 年 7 月 6 日 （c）2017 年 10 月 25 日图 2.3 试验区 GF-1 影像2.2.2 辅助数据用于研究的辅助数据包括研究区的 2014 年全国森林资源二类调查小班数据，2017年 6 月、9 月样地补充调查数据以及 30m 分辨率的 DEM 高程数据。森林资源二类调查数据作为辅助数据能客观反映研究时段内地表真实状况和森林资源状况，可得到研究区内不同优势树种以及各龄级林分的比例关系，可作为本文遥感数据落叶松人工林分类研究的辅助信息[36]。研究区二类调查小班数据如图 2.4 示。调查因子主要有地类、龄组、树种、优势树种、优势树种组、土壤、郁闭度等。
【参考文献】：
期刊论文
[1]高分遥感林业应用研究[J]. 李增元,覃先林,高志海,邓广,陈尔学. 卫星应用. 2018(11)
[2]基于多源遥感的森林地上生物量KNN-FIFS估测[J]. 韩宗涛,江洪,王威,李增元,陈尔学,闫敏,田昕. 林业科学. 2018(09)
[3]落叶松育苗造林技术[J]. 薛文静,杜娟,刘玲,薛文秀,甄伟. 吉林农业. 2018(18)
[4]Forest type identification by random forest classification combined with SPOT and multitemporal SAR data[J]. Ying Yu,Mingze Li,Yu Fu. Journal of Forestry Research. 2018(05)
[5]C5.0决策树Hyperion影像森林类型精细分类方法[J]. 王怀警,谭炳香,房秀凤,李世明,李太兴. 浙江农林大学学报. 2018(04)
[6]分析兴安落叶松幼、中龄林的抚育及经营措施[J]. 郭小伟. 农民致富之友. 2018(14)
[7]基于裸土期多时相遥感影像特征及最大似然法的土壤分类[J]. 刘焕军,杨昊轩,徐梦园,张新乐,张小康,于滋洋,邵帅,李厚萱. 农业工程学报. 2018(14)
[8]应用Sentinel-2A卫星光谱与纹理信息的森林蓄积量估算[J]. 曹霖,彭道黎,王雪军,陈新云. 东北林业大学学报. 2018(09)
[9]氮磷施肥对落叶松叶片非结构性碳浓度的影响[J]. 唐月坤,王嗣奇,张彦东. 森林工程. 2018(04)
[10]最大似然分类的训练样本敏感度研究[J]. 陆晓果,王同科,梁社芳,陆苗. 中国农业信息. 2018(02)
博士论文
[1]中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D]. 任冲.中国林业科学研究院 2016
[2]高分辨率遥感森林植被分类提取研究[D]. 李伟涛.北京林业大学 2016
硕士论文
[1]基于多源遥感数据的林地类型精细识别与变化监测研究[D]. 张兆鹏.西安科技大学 2018
[2]多源遥感森林碳储量估测系统研发及应用[D]. 臧守信.西安科技大学 2017
[3]结合高分辨率遥感影像多维特征的森林分类[D]. 白金婷.北京林业大学 2016
[4]基于RS的黄河三角洲石油开采区土壤石油污染检测研究[D]. 张磊.中国石油大学 2011
[5]基于纹理特征的典型遥感影像面状地物提取方法研究[D]. 过林.解放军信息工程大学 2011
本文编号：3371114
【文章来源】：西安科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
研究区位置示意图
和 6 景 GF-1 影像作为遥感数据源，其中 Landsat8 影像下载于地理空间数据云，GF-1 影像下载自中国资源卫星应用中心，其具体信息见表 2.1，遥感影像如图 2.2、2.3 示。表 2.1 遥感影像数据源信息卫星 传感器类型 采集时间 云量 所属季节Landsat8 OLI_TIRS 2017.06.16 1.02% 初夏Landsat8 OLI_TIRS 2017.08.19 2.07% 中秋Landsat8 OLI_TIRS 2017.10.22 0.07% 深秋GF-1 PMS1 2017.05.02 0% 春GF-1 PMS1 2017.05.02 0% 春GF-1 PMS1 2017.07.06 3% 中夏GF-1 PMS1 2017.07.06 1% 中夏GF-1 PMS1 2017.10.25 0% 深秋GF-1 PMS1 2017.10.25 0% 深秋
（a）2017 年 5 月 2 日 （b）2017 年 7 月 6 日 （c）2017 年 10 月 25 日图 2.3 试验区 GF-1 影像2.2.2 辅助数据用于研究的辅助数据包括研究区的 2014 年全国森林资源二类调查小班数据，2017年 6 月、9 月样地补充调查数据以及 30m 分辨率的 DEM 高程数据。森林资源二类调查数据作为辅助数据能客观反映研究时段内地表真实状况和森林资源状况，可得到研究区内不同优势树种以及各龄级林分的比例关系，可作为本文遥感数据落叶松人工林分类研究的辅助信息[36]。研究区二类调查小班数据如图 2.4 示。调查因子主要有地类、龄组、树种、优势树种、优势树种组、土壤、郁闭度等。
【参考文献】：
期刊论文
[1]高分遥感林业应用研究[J]. 李增元,覃先林,高志海,邓广,陈尔学. 卫星应用. 2018(11)
[2]基于多源遥感的森林地上生物量KNN-FIFS估测[J]. 韩宗涛,江洪,王威,李增元,陈尔学,闫敏,田昕. 林业科学. 2018(09)
[3]落叶松育苗造林技术[J]. 薛文静,杜娟,刘玲,薛文秀,甄伟. 吉林农业. 2018(18)
[4]Forest type identification by random forest classification combined with SPOT and multitemporal SAR data[J]. Ying Yu,Mingze Li,Yu Fu. Journal of Forestry Research. 2018(05)
[5]C5.0决策树Hyperion影像森林类型精细分类方法[J]. 王怀警,谭炳香,房秀凤,李世明,李太兴. 浙江农林大学学报. 2018(04)
[6]分析兴安落叶松幼、中龄林的抚育及经营措施[J]. 郭小伟. 农民致富之友. 2018(14)
[7]基于裸土期多时相遥感影像特征及最大似然法的土壤分类[J]. 刘焕军,杨昊轩,徐梦园,张新乐,张小康,于滋洋,邵帅,李厚萱. 农业工程学报. 2018(14)
[8]应用Sentinel-2A卫星光谱与纹理信息的森林蓄积量估算[J]. 曹霖,彭道黎,王雪军,陈新云. 东北林业大学学报. 2018(09)
[9]氮磷施肥对落叶松叶片非结构性碳浓度的影响[J]. 唐月坤,王嗣奇,张彦东. 森林工程. 2018(04)
[10]最大似然分类的训练样本敏感度研究[J]. 陆晓果,王同科,梁社芳,陆苗. 中国农业信息. 2018(02)
博士论文
[1]中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D]. 任冲.中国林业科学研究院 2016
[2]高分辨率遥感森林植被分类提取研究[D]. 李伟涛.北京林业大学 2016
硕士论文
[1]基于多源遥感数据的林地类型精细识别与变化监测研究[D]. 张兆鹏.西安科技大学 2018
[2]多源遥感森林碳储量估测系统研发及应用[D]. 臧守信.西安科技大学 2017
[3]结合高分辨率遥感影像多维特征的森林分类[D]. 白金婷.北京林业大学 2016
[4]基于RS的黄河三角洲石油开采区土壤石油污染检测研究[D]. 张磊.中国石油大学 2011
[5]基于纹理特征的典型遥感影像面状地物提取方法研究[D]. 过林.解放军信息工程大学 2011
本文编号：3371114
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3371114.html
