黑龙江省森林植被空间分布及影响因子研究
发布时间：2021-07-26 00:21
森林植被作为陆地生态系统重要组成部分,具有水土保持、调节气候、防风固沙等多种生态功能。随着“3S”技术的发展,特别是高空间分辨率遥感影像和新分类算法的出现,利用遥感图像进行植被分类并研究其空间分布越来越成为可能。本次研究选择黑龙江省为主要研究区域,主要是利用遥感RS和地理信息系统GIS技术,对黑龙江省主要植被类型进行分类,同时分析研究内主要森林植被类型（本文主要指乔木类型,不包括灌木）的空间分布特征及与地形和气象因子的关系。主要研究内容如下：（1）以Landsat8遥感影像为数据源,以黑龙江省的固定样地数据、DEM数据作为辅助数据,通过特征提取,利用影像的光谱特征、地形特征构建随机森林模型对遥感图像进行分类,并与传统的最大似然分类法进行分类精度的比较,进而分析这两种分类方法对森林植被类型分类的适用性。与此同时,对随机森林模型参数和特征变量的选择进行分析,实现随机森林模型分类精度和分类速度的最优化。（2）以ArcGIS为平台,以植被类型图为基础,根据DEM提取海拔、坡度、坡向信息,气象数据插值得到年平均降水量图和年平均气温图,通过空间叠置分析功能分析不同植被类型的空间分布特征以及地形因子...
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：45 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 引言
1.2 森林植被遥感图像分类及国内外现状
1.2.1 遥感图像分类
1.2.2 国外森林植被遥感分类
1.2.3 国内森林植被遥感分类
1.3 随机森林遥感图像分类及国内外研究现状
1.3.1 随机森林原理与特点
1.3.2 国外随机森林遥感图像分类
1.3.3 国内随机森林遥感图像分类
1.4 森林植被空间分布影响因子的研究
2 研究区概况与数据源
2.1 研究区概况
2.1.1 自然地理条件
2.1.2 气候条件
2.1.3 水系和土壤条件
2.1.4 森林资源状况
2.2 研究数据
2.2.1 Landsat8遥感数据
2.2.2 固定样地数据
2.2.3 DEM数据
2.2.4 气象数据
2.3 技术路线图
3 研究方法
3.1 分类系统的建立
3.2 植被分类
3.2.1 遥感数据预处理
3.2.2 光谱特征提取
3.2.3 分类方法
3.2.4 分类精度验证方法
3.3 影响森林植被空间分布因子
3.3.1 地形因子
3.3.2 气象因子
3.3.3 基于GIS的空间叠置分析
4 结果与分析
4.1 分类结果分析
4.2 随机森林模型参数优化
4.2.1 随机森林参数的选择
4.2.2 随机森林特征变量的重要性分析
4.3 森林植被类型空间分布及影响因子研究
4.3.1 黑龙江森林植被总体空间分布
4.3.2 不同海拔上森林植被类型的空间分布
4.3.3 不同坡度上森林植被类型的空间分布
4.3.4 不同坡向上森林植被类型的空间分布
4.3.5 不同降水量森林植被类型空间分布
4.3.6 不同温度森林植被类型空间分布
结论与讨论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]崇明东滩南部盐沼植被空间分布及影响因素分析[J]. 丁文慧,姜俊彦,李秀珍,黄星,李希之,周云轩,汤臣栋. 植物生态学报. 2015(07)
[2]基于多种分类器组合的森林类型信息提取技术研究[J]. 张智超,范文义,孙舒婷. 森林工程. 2015(03)
[3]基于随机森林和MR8滤波器的图像分类研究[J]. 黄婷,赵自明. 嘉应学院学报. 2015(02)
[4]基于RF模型的高分辨率遥感影像分类评价[J]. 刘海娟,张婷,侍昊,徐雁南,吴文龙,余佩玲. 南京林业大学学报(自然科学版). 2015(01)
[5]基于随机森林的洪河湿地遥感影像分类研究[J]. 王书玉,张羽威,于振华. 测绘与空间地理信息. 2014(04)
[6]基于随机森林的大姚县TM遥感影像分类研究[J]. 王栋,岳彩荣,田传召,范怀刚,王跃辉. 林业调查规划. 2014(02)
[7]基于多时相MODIS数据的四川省森林植被类型信息提取[J]. 杨存建,周其林,任小兰,程武学,王琴. 自然资源学报. 2014(03)
[8]物候特征辅助下的随机森林宏观尺度土地覆盖分类方法研究[J]. 李治,杨晓梅,孟樊,范文义. 遥感信息. 2013(06)
[9]基于纹理信息的森林类型遥感识别技术[J]. 王鹤霖,范文义,赵妍,杨国舜,杨晓琴. 东北林业大学学报. 2013(06)
[10]基于DEM的地形与植被分布关联分析[J]. 吴英,张万幸,张丽琼,伍静. 东北林业大学学报. 2012(11)
硕士论文
[1]陕西省植被类型的空间分布[D]. 汪丽平.西北农林科技大学 2015
[2]基于人工神经网络的森林植被遥感分类研究[D]. 刘旭升.北京林业大学 2004
本文编号：3303064
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：45 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 引言
1.2 森林植被遥感图像分类及国内外现状
1.2.1 遥感图像分类
1.2.2 国外森林植被遥感分类
1.2.3 国内森林植被遥感分类
1.3 随机森林遥感图像分类及国内外研究现状
1.3.1 随机森林原理与特点
1.3.2 国外随机森林遥感图像分类
1.3.3 国内随机森林遥感图像分类
1.4 森林植被空间分布影响因子的研究
2 研究区概况与数据源
2.1 研究区概况
2.1.1 自然地理条件
2.1.2 气候条件
2.1.3 水系和土壤条件
2.1.4 森林资源状况
2.2 研究数据
2.2.1 Landsat8遥感数据
2.2.2 固定样地数据
2.2.3 DEM数据
2.2.4 气象数据
2.3 技术路线图
3 研究方法
3.1 分类系统的建立
3.2 植被分类
3.2.1 遥感数据预处理
3.2.2 光谱特征提取
3.2.3 分类方法
3.2.4 分类精度验证方法
3.3 影响森林植被空间分布因子
3.3.1 地形因子
3.3.2 气象因子
3.3.3 基于GIS的空间叠置分析
4 结果与分析
4.1 分类结果分析
4.2 随机森林模型参数优化
4.2.1 随机森林参数的选择
4.2.2 随机森林特征变量的重要性分析
4.3 森林植被类型空间分布及影响因子研究
4.3.1 黑龙江森林植被总体空间分布
4.3.2 不同海拔上森林植被类型的空间分布
4.3.3 不同坡度上森林植被类型的空间分布
4.3.4 不同坡向上森林植被类型的空间分布
4.3.5 不同降水量森林植被类型空间分布
4.3.6 不同温度森林植被类型空间分布
结论与讨论
参考文献
攻读学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]崇明东滩南部盐沼植被空间分布及影响因素分析[J]. 丁文慧,姜俊彦,李秀珍,黄星,李希之,周云轩,汤臣栋. 植物生态学报. 2015(07)
[2]基于多种分类器组合的森林类型信息提取技术研究[J]. 张智超,范文义,孙舒婷. 森林工程. 2015(03)
[3]基于随机森林和MR8滤波器的图像分类研究[J]. 黄婷,赵自明. 嘉应学院学报. 2015(02)
[4]基于RF模型的高分辨率遥感影像分类评价[J]. 刘海娟,张婷,侍昊,徐雁南,吴文龙,余佩玲. 南京林业大学学报(自然科学版). 2015(01)
[5]基于随机森林的洪河湿地遥感影像分类研究[J]. 王书玉,张羽威,于振华. 测绘与空间地理信息. 2014(04)
[6]基于随机森林的大姚县TM遥感影像分类研究[J]. 王栋,岳彩荣,田传召,范怀刚,王跃辉. 林业调查规划. 2014(02)
[7]基于多时相MODIS数据的四川省森林植被类型信息提取[J]. 杨存建,周其林,任小兰,程武学,王琴. 自然资源学报. 2014(03)
[8]物候特征辅助下的随机森林宏观尺度土地覆盖分类方法研究[J]. 李治,杨晓梅,孟樊,范文义. 遥感信息. 2013(06)
[9]基于纹理信息的森林类型遥感识别技术[J]. 王鹤霖,范文义,赵妍,杨国舜,杨晓琴. 东北林业大学学报. 2013(06)
[10]基于DEM的地形与植被分布关联分析[J]. 吴英,张万幸,张丽琼,伍静. 东北林业大学学报. 2012(11)
硕士论文
[1]陕西省植被类型的空间分布[D]. 汪丽平.西北农林科技大学 2015
[2]基于人工神经网络的森林植被遥感分类研究[D]. 刘旭升.北京林业大学 2004
本文编号：3303064
本文链接：https://www.wllwen.com/nykjlw/lylw/3303064.html
