北京市森林覆盖率遥感统计及三维表达
发布时间：2020-11-13 18:40
北京市是我国的首都,森林资源的调查监测工作具有非常重要的意义。2008年北京将举办奥运会,作为重要特征的“绿色奥运”规划中提出:2007年前,北京市林木覆盖率将达到50%,基本完成山区、平原地区、城市绿化隔离地区三道绿色生态屏障建设;2007年前在城区将建成50块1万平方米以上以乔木为主的大型绿地;同时,京城还将完善郊区卫星城和33个中心镇绿化体系。因此,实时、快速地获取北京市森林覆盖率数据并进行直观表达,可为北京市规划、建设森林生态环境提供基础数据及决策依据。 本文通过遥感影像客观、科学地获取北京市森林景观数据,反映森林的数量、质量及空间分布状态,可定性、定量、定位地反映林木资源分布情况。以2002年Landsat/ETM+影像数据以及数字化地形图为基本信息源,借助遥感软件PCIGeomatca V8.2,研究了ETM+遥感影像应用于北京地区森林覆盖统计监测的最佳波段组合和融合处理技术,采用监督分类的方法提取森林覆盖类型、位置和面积信息,并对分类结果与传统调查方法数据进行了比较,对分类的精度进行了定性评价,在此基础上统计和分析各区县的森林覆盖率,并利用地形图生成DEM,较直观、逼真的实现了北京市森林景观的三维表达。 研究结果表明:Landsat/ETM+遥感影像适用于北京市这类区域型地域的森林覆盖率研究,进行小区域土地利用/森林覆盖研究时,对主要土地利用类型可以获得较好的分类效果。北京地区森林覆盖率为46.66%,与北京市1999年森林覆盖率相差4.76%。采用1:25万地形数据与RS分类图配合形成三维立体森林景观。
【学位单位】：北京林业大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：S757.2
【部分图文】：
森林覆盖率遥感监测图像融合可在3个不同的层次上进行，一是像元(pixel)，二是待征(featur)e，三是决策层(deeisionlevel)，如图3一2所示(PohlC.&J.L.VanGenderen1998)。基于像元的图像融合是指对测量的物理参数的合并，即直接在采集的原始数据层上进行融合。它强调不同图像信息在像元基础上的综合，强调必须进行基本的地理编码，即对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理，以改善图像处理的效果，使图像分割、特征提取等工作在更准确的基础上进行，并可能获得更好的图像视觉效果。由于对多种传感器原始数据所包含的特征难以进行一致性检验，基于像元的图像融合往往具有一定的盲目性(于秀兰，1999)。尽管基于像元的图像融合有它一定的局限性
森林覆盖率遥感监测图像融合可在3个不同的层次上进行，一是像元(pixel)，二是待征(featur)e，三是决策层(deeisionlevel)，如图3一2所示(PohlC.&J.L.VanGenderen1998)。基于像元的图像融合是指对测量的物理参数的合并，即直接在采集的原始数据层上进行融合。它强调不同图像信息在像元基础上的综合，强调必须进行基本的地理编码，即对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理，以改善图像处理的效果，使图像分割、特征提取等工作在更准确的基础上进行，并可能获得更好的图像视觉效果。由于对多种传感器原始数据所包含的特征难以进行一致性检验，基于像元的图像融合往往具有一定的盲目性(于秀兰，1999)。尽管基于像元的图像融合有它一定的局限性
北京市森林覆盖率遥感统计及三维表达3一8，图3一9。各区县一级分类图见图3一10至图3一24。图3礴训练样区二维分布椭球Fi幼4Planardi面b以ingeni户幻idof日比对eesdino图3一5训练样区散点图Fig3·5DispesrivepoinstofeudcateesCtino
【参考文献】
本文编号：2882497
【学位单位】：北京林业大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：S757.2
【部分图文】：
森林覆盖率遥感监测图像融合可在3个不同的层次上进行，一是像元(pixel)，二是待征(featur)e，三是决策层(deeisionlevel)，如图3一2所示(PohlC.&J.L.VanGenderen1998)。基于像元的图像融合是指对测量的物理参数的合并，即直接在采集的原始数据层上进行融合。它强调不同图像信息在像元基础上的综合，强调必须进行基本的地理编码，即对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理，以改善图像处理的效果，使图像分割、特征提取等工作在更准确的基础上进行，并可能获得更好的图像视觉效果。由于对多种传感器原始数据所包含的特征难以进行一致性检验，基于像元的图像融合往往具有一定的盲目性(于秀兰，1999)。尽管基于像元的图像融合有它一定的局限性
森林覆盖率遥感监测图像融合可在3个不同的层次上进行，一是像元(pixel)，二是待征(featur)e，三是决策层(deeisionlevel)，如图3一2所示(PohlC.&J.L.VanGenderen1998)。基于像元的图像融合是指对测量的物理参数的合并，即直接在采集的原始数据层上进行融合。它强调不同图像信息在像元基础上的综合，强调必须进行基本的地理编码，即对栅格数据进行相互间的几何配准，在各像元一一对应的前提下进行图像像元级的合并处理，以改善图像处理的效果，使图像分割、特征提取等工作在更准确的基础上进行，并可能获得更好的图像视觉效果。由于对多种传感器原始数据所包含的特征难以进行一致性检验，基于像元的图像融合往往具有一定的盲目性(于秀兰，1999)。尽管基于像元的图像融合有它一定的局限性
北京市森林覆盖率遥感统计及三维表达3一8，图3一9。各区县一级分类图见图3一10至图3一24。图3礴训练样区二维分布椭球Fi幼4Planardi面b以ingeni户幻idof日比对eesdino图3一5训练样区散点图Fig3·5DispesrivepoinstofeudcateesCtino
【参考文献】
相关期刊论文 前9条
1 蒋欣,陈鹰;DOM与DEM数据的管理和三维可视化[J];测绘科学;2002年03期
2 袁春明,郎南军;中国森林可持续经营的挑战与对策[J];东北林业大学学报;2002年01期
3 刘东琦,王介民;利用ATSR/ERS-1资料研究复杂下垫面比辐射率的变化[J];大气科学;1999年05期
4 史良树;遥感技术现状及其在林业中的应用[J];林业资源管理;2004年02期
5 李小涛,杨锋杰,宋小宁;遥感影像三维可视化的实现[J];山东科技大学学报(自然科学版);2003年04期
6 郭忠升，张宏民;森林覆盖率的理论研究概况及存在问题[J];陕西林业科技;1996年02期
7 戴昌达,雷莉萍;TM图像的光谱信息特征与最佳波段组合[J];遥感学报;1989年04期
8 刘建平,赵英时;高光谱遥感数据解译的最佳波段选择方法研究[J];中国科学院研究生院学报;1999年02期
9 颜长珍,王一谋,冯毓荪,王建华,吴薇;应用遥感与地理信息系统技术对宁夏林地资源的宏观研究[J];资源科学;2001年02期
本文编号：2882497
本文链接：https://www.wllwen.com/kejilunwen/zylw/2882497.html
