考虑植被季相节律的高分辨率遥感影像城市森林分类
发布时间：2021-08-10 18:12
城市森林的健康、稳定、可持续发展是社会主义生态文明建设的重要组成部分。城市森林分类对充分利用城市森林资源,发挥其良好的生态、社会和经济效益具有重要意义。本研究以北京市奥林匹克森林公园为研究区,以城市森林（竹林、灌木林、常绿针叶林、落叶阔叶林）为主要研究对象,使用研究区内三期高分二号卫星影像数据,结合实地调查数据,构造两种分类方案。一种是考虑植被季相节律,构建光谱特征时间序列和纹理特征时间序列,发展光谱差值速率和纹理差值速率模型,在分层分类基础上实现城市森林分类;另一种是基于机器学习分类器自动分类。一方面,利用最大相关最小冗余算法对不同森林类型的光谱和纹理特征进行优化选择,利用基于像元的分类方法（最小距离法、最大似然法、支持向量机分类法、决策树分类法、随机森林分类法）实现城市森林分类;另一方面,将面向对象的分类技术与多种分类方法（决策树分类法、K最邻近分类法、支持向量机分类法、随机森林分类法）结合,实现研究区内森林类型的区分。最后,对两种方案的分类结果进行精度评价,并结合可操作性、实现效率进行综合评价和定量分析,探索最适于城市森林的理想方法。同时,评价了国产高分二号卫星影像在城市森林分类...
【文章来源】：南京林业大学江苏省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
技术路线图
第二章 研究区与数据源2.1. 研究区概况北京市（115°25'-117°35'E, 39° 28'-41°05'N）位于华北平原的西北部，处在山地与平原的过渡地带。北面坐落燕山山脉，西面邻接山西高原，南面为黄淮海平原，东南远眺渤海[75]。北京属于大陆性季风气候，春秋短促，夏季炎热多雨，冬季寒冷干燥。受气候影响地带性植被为暖温带落叶阔叶林和温带针叶林混交。北京奥林匹克公园（图 2-1）坐落在北京城中轴线北端，是 2008 年北京奥运会的核心区域。奥林匹克森林公园地处奥林匹克公园的北区，占地面积约 680hm2，是目前北京市最大的城市公园。公园北至清河南岸和洼里三街，南到辛店村路，东面是北辰东路，西面是林翠路，五环从公园中间穿过将其划分为南北两个区域[75]。北京市致力于将奥林匹克森林公园打造成为一个以自然山水、植被为主，可持续发展的生态地带，意在改善城市环境和气候方面发挥作用。
图 2-2 野外实地调查照片Fig.2-2 Field work photos表 2-5 野外实地测量数据Tab.2-5 The field measurement data类别 训练样本 验证样本样本个数 像元数 样本个数 像元数竹林 5 6668 2 2499灌木林 14 3130 8 1603草地 33 52738 11 26579常绿针叶林 102 89324 25 32409落叶阔叶林 88 233446 21 102015总和 254 385306 72 165105
【参考文献】：
期刊论文
[1]基于时序EVI决策树分类与高分纹理的制种玉米识别[J]. 刘哲,李智晓,张延宽,张超,黄健熙,朱德海. 农业机械学报. 2015(10)
[2]高分二号卫星的技术特点[J]. 潘腾. 中国航天. 2015(01)
[3]宽波段遥感植被指数研究进展综述[J]. 李喆,胡蝶,赵登忠,向大享. 长江科学院院报. 2015(01)
[4]遥感卫星系统及其应用的发展与思考[J]. 李忠宝. 卫星应用. 2014(11)
[5]我国城市森林研究概况[J]. 黄龙生,张育松,高琛,郑素珊. 安徽农学通报. 2014(09)
[6]基于HJ星CCD遥感数据的落叶阔叶林NDVI差值速率识别模型[J]. 王龑,田庆久,黄彦,魏宏伟. 光谱学与光谱分析. 2013(04)
[7]高分辨率遥感影像天然林与人工林植被覆盖信息提取[J]. 王荣,江东,韩惠,张峰,赵少华. 资源科学. 2013(04)
[8]春季造林忙 植树添新绿[J]. 高雨薇. 绿色中国. 2013(07)
[9]多时相遥感数据森林类型识别技术研究[J]. 温一博,范文义. 森林工程. 2013(02)
[10]高空间分辨率遥感影像的多智能体分割方法研究[J]. 赵贝,钟燕飞,张良培. 测绘学报. 2013(01)
博士论文
[1]城市绿地生态系统碳水通量研究[D]. 陈文婧.北京林业大学 2013
[2]基于半监督集成支持向量机的土地覆盖遥感分类方法研究[D]. 刘颖.中国科学院研究生院(东北地理与农业生态研究所) 2013
[3]基于多源遥感数据的青海格尔木地区岩矿信息提取研究[D]. 杨佳佳.吉林大学 2012
[4]高光谱影像光谱—纹理特征提取与多分类器集成技术研究[D]. 苏红军.南京师范大学 2011
[5]森林生物量及碳储量遥感监测方法研究[D]. 韩爱惠.北京林业大学 2009
硕士论文
[1]利用高分一号卫星数据制作数字正射影像[D]. 周亦.吉林大学 2014
[2]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
[3]随机森林及其在遥感图像分类中的应用[D]. 姚明煌.华侨大学 2014
[4]多维度SAR森林及其类型分类识别方法研究[D]. 王馨爽.西安科技大学 2013
[5]基于SPOT5的四川省丘陵区林地遥感分类方法研究[D]. 易辉.四川农业大学 2013
[6]基于ALOS数据的遥感森林分类研究[D]. 杨冉冉.首都师范大学 2013
[7]重庆市主城区城市森林分类及特征分析[D]. 李洋.西南大学 2010
[8]光谱与纹理特征融合的遥感图像分类方法[D]. 张海涛.西安电子科技大学 2010
[9]北京奥林匹克森林公园植物景观与生态效益初探[D]. 胡淼淼.北京林业大学 2009
[10]面向对象遥感影像分类方法及其应用研究[D]. 汪求来.南京林业大学 2008
本文编号：3334542
【文章来源】：南京林业大学江苏省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
技术路线图
第二章 研究区与数据源2.1. 研究区概况北京市（115°25'-117°35'E, 39° 28'-41°05'N）位于华北平原的西北部，处在山地与平原的过渡地带。北面坐落燕山山脉，西面邻接山西高原，南面为黄淮海平原，东南远眺渤海[75]。北京属于大陆性季风气候，春秋短促，夏季炎热多雨，冬季寒冷干燥。受气候影响地带性植被为暖温带落叶阔叶林和温带针叶林混交。北京奥林匹克公园（图 2-1）坐落在北京城中轴线北端，是 2008 年北京奥运会的核心区域。奥林匹克森林公园地处奥林匹克公园的北区，占地面积约 680hm2，是目前北京市最大的城市公园。公园北至清河南岸和洼里三街，南到辛店村路，东面是北辰东路，西面是林翠路，五环从公园中间穿过将其划分为南北两个区域[75]。北京市致力于将奥林匹克森林公园打造成为一个以自然山水、植被为主，可持续发展的生态地带，意在改善城市环境和气候方面发挥作用。
图 2-2 野外实地调查照片Fig.2-2 Field work photos表 2-5 野外实地测量数据Tab.2-5 The field measurement data类别 训练样本 验证样本样本个数 像元数 样本个数 像元数竹林 5 6668 2 2499灌木林 14 3130 8 1603草地 33 52738 11 26579常绿针叶林 102 89324 25 32409落叶阔叶林 88 233446 21 102015总和 254 385306 72 165105
【参考文献】：
期刊论文
[1]基于时序EVI决策树分类与高分纹理的制种玉米识别[J]. 刘哲,李智晓,张延宽,张超,黄健熙,朱德海. 农业机械学报. 2015(10)
[2]高分二号卫星的技术特点[J]. 潘腾. 中国航天. 2015(01)
[3]宽波段遥感植被指数研究进展综述[J]. 李喆,胡蝶,赵登忠,向大享. 长江科学院院报. 2015(01)
[4]遥感卫星系统及其应用的发展与思考[J]. 李忠宝. 卫星应用. 2014(11)
[5]我国城市森林研究概况[J]. 黄龙生,张育松,高琛,郑素珊. 安徽农学通报. 2014(09)
[6]基于HJ星CCD遥感数据的落叶阔叶林NDVI差值速率识别模型[J]. 王龑,田庆久,黄彦,魏宏伟. 光谱学与光谱分析. 2013(04)
[7]高分辨率遥感影像天然林与人工林植被覆盖信息提取[J]. 王荣,江东,韩惠,张峰,赵少华. 资源科学. 2013(04)
[8]春季造林忙 植树添新绿[J]. 高雨薇. 绿色中国. 2013(07)
[9]多时相遥感数据森林类型识别技术研究[J]. 温一博,范文义. 森林工程. 2013(02)
[10]高空间分辨率遥感影像的多智能体分割方法研究[J]. 赵贝,钟燕飞,张良培. 测绘学报. 2013(01)
博士论文
[1]城市绿地生态系统碳水通量研究[D]. 陈文婧.北京林业大学 2013
[2]基于半监督集成支持向量机的土地覆盖遥感分类方法研究[D]. 刘颖.中国科学院研究生院(东北地理与农业生态研究所) 2013
[3]基于多源遥感数据的青海格尔木地区岩矿信息提取研究[D]. 杨佳佳.吉林大学 2012
[4]高光谱影像光谱—纹理特征提取与多分类器集成技术研究[D]. 苏红军.南京师范大学 2011
[5]森林生物量及碳储量遥感监测方法研究[D]. 韩爱惠.北京林业大学 2009
硕士论文
[1]利用高分一号卫星数据制作数字正射影像[D]. 周亦.吉林大学 2014
[2]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
[3]随机森林及其在遥感图像分类中的应用[D]. 姚明煌.华侨大学 2014
[4]多维度SAR森林及其类型分类识别方法研究[D]. 王馨爽.西安科技大学 2013
[5]基于SPOT5的四川省丘陵区林地遥感分类方法研究[D]. 易辉.四川农业大学 2013
[6]基于ALOS数据的遥感森林分类研究[D]. 杨冉冉.首都师范大学 2013
[7]重庆市主城区城市森林分类及特征分析[D]. 李洋.西南大学 2010
[8]光谱与纹理特征融合的遥感图像分类方法[D]. 张海涛.西安电子科技大学 2010
[9]北京奥林匹克森林公园植物景观与生态效益初探[D]. 胡淼淼.北京林业大学 2009
[10]面向对象遥感影像分类方法及其应用研究[D]. 汪求来.南京林业大学 2008
本文编号：3334542
本文链接：https://www.wllwen.com/nykjlw/lylw/3334542.html
