高分遥感纹理信息对森林蓄积量估测的影响规律研究
发布时间：2021-11-15 00:42
森林蓄积量是反映一个国家或地区森林资源总规模和水平的基本指标之一,也是反映森林资源丰富程度和衡量森林生态环境优劣的重要依据。它的消长动态不仅直接影响林业的经济效益,也为森林的经营管理提供重要依据。因此,很有必要对森林蓄积量展开积极调查。传统的蓄积量估测是采用人工实地采集固定样地数据与总面积进行估计,这种方法工作量大、效率低。随着3S技术的发展,现在的蓄积量估测是利用在试验区域布设的固定样地的调查数据结合遥感影像数据构建蓄积量估测模型,对有林地区域进行蓄积量估测。随着空间分辨率更加精细化,遥感影像的纹理信息更加丰富。高空间分辨率的纹理信息对森林植被信息的区分非常敏感,在蓄积量估测时,加入纹理特征对蓄积量估测的精度提升具有很大的潜力。本论文基于高分一号影像数据,利用灰度共生矩阵法提取试验区遥感影像的纹理特征,结合试验区的遥感信息与GIS信息构建蓄积量估测模型,通过实验探究了纹理特征对蓄积量估测的影响规律。最终得出以下结论:（1）仅仅利用纹理因子并不能有效提高森林蓄积量估测的精度。（2）纹理因子结合遥感因子以及GIS因子能够有效提升蓄积量估测精度。（3）纹理特征的方向能够影响模型的估测精度,...
【文章来源】：西安科技大学陕西省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
研究技术路线
图 2.1 试验区位置示意图感影像的获取于中国卫星应用中心网站上发布的高分卫星公开数据产品。本项取的是 2014 年 10 月 14 日采集的（图 2.2），覆盖试验区的 GFEL1A 级多光谱数据产品。实验影像空间分辨率为 8m，有红、绿波段。获取数据的详细配置信息见下表 2.1。
2 研究区域概况及影 预处理9图 2.1 试验区位置示意图2.2 试验区遥感影像的获取影像来源于中国卫星应用中心网站上发布的高分卫星公开数据产品。本项研究的遥感影像主要选取的是 2014 年 10 月 14 日采集的（图 2.2），覆盖试验区的 GF-1 号 PMS传感器的 LEVEL1A 级多光谱数据产品。实验影像空间分辨率为 8m，有红、绿、蓝和近红外四个光谱波段。获取数据的详细配置信息见下表 2.1。图 2.2 试验区遥感影像
【参考文献】：
期刊论文
[1]我国森林生态安全评价及其差异化分析[J]. 米锋,谭曾豪迪,顾艳红,鲁莎莎,张大红. 林业科学. 2015(07)
[2]现代森林经理调查分析[J]. 陶冠慧. 黑龙江科技信息. 2014(13)
[3]鹫峰地区QuickBird影像纹理特征与生物量估测关系初探[J]. 王昆,张晓丽,王珊,焦志敏,宁亮亮,吴石磊. 地理与地理信息科学. 2013(03)
[4]基于遥感和GIS的中山市五桂山森林蓄积量时间序列分析[J]. 樊风雷,邓应彬,樊蔚. 广东农业科学. 2013(04)
[5]我国森林资源开发过程中的问题及对策研究[J]. 张小有. 北京农业. 2012(36)
[6]Object oriented land cover classification using ALS and GeoEye imagery over mining area[J]. YU Hai-yang, CHENG Gang, GE Xiao-san, LU Xiao-ping Key Laboratory of Mine Spatial Information Technologies of State Bureau of Surveying and Mapping, Henan Polytechnic University, Jiaozuo 454000, China. Transactions of Nonferrous Metals Society of China. 2011(S3)
[7]基于灰度共生矩阵的图像纹理特征地物分类应用[J]. 李智峰,朱谷昌,董泰锋. 地质与勘探. 2011(03)
[8]遥感影像在二类调查中应用的前景与限制因素[J]. 李春光,杨军元,刘书胜,李晓光,于红伟,崔著信. 绿色科技. 2011(02)
[9]基于灰度共生矩阵的遥感图像纹理库设计[J]. 周旭,白深模. 海洋测绘. 2010(05)
[10]基于多因子对象的高空间分辨率遥感影像道路提取[J]. 施益强,朱晓铃,蔺方. 集美大学学报(自然科学版)(网络预览本). 2010(04)
博士论文
[1]基于多源数据和神经网络模型的森林资源蓄积量动态监测[D]. 吴达胜.浙江大学 2014
[2]基于图像纹理特征提取算法的研究及应用[D]. 王凯.西南交通大学 2013
[3]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013
[4]基于样本的纹理合成方法研究[D]. 孙利君.山东大学 2012
[5]SPOT-5遥感影像马尾松毛虫害信息提取技术研究[D]. 亓兴兰.福建农林大学 2011
[6]基于多源遥感数据的森林蓄积量估测方法研究[D]. 杨永恬.中国林业科学研究院 2010
硕士论文
[1]抽取建立森林蓄积量估测模型最优样地的方法研究[D]. 于丁.西安科技大学 2014
[2]基于GIS和遥感影像的森林蓄积量分类估测研究[D]. 王艳婷.西安科技大学 2014
[3]森林蓄积量估测遥感影像比值波段和纹理信息选择研究[D]. 高阳.西安科技大学 2014
[4]基于特征提取的纹理图像分割[D]. 董昱威.长安大学 2014
[5]基于GIS和高分辨率遥感的森林蓄积量定量估测核心算法研究[D]. 于宝义.西安科技大学 2013
[6]基于eCognition分类的森林蓄积量估测研究[D]. 张腾飞.西安科技大学 2012
[7]森林蓄积量遥感定量估测系统研发[D]. 丰德恩.西安科技大学 2012
[8]基于MapGIS遥感图像分析处理研究[D]. 孔艳婷.内蒙古科技大学 2012
[9]基于SRTM数据的地形坡度分级多边形合并方法与应用研究[D]. 高一平.太原理工大学 2012
[10]基于遥感抽样技术的平南县森林蓄积量估测[D]. 谢进金.中南林业科技大学 2011
本文编号：3495682
【文章来源】：西安科技大学陕西省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
研究技术路线
图 2.1 试验区位置示意图感影像的获取于中国卫星应用中心网站上发布的高分卫星公开数据产品。本项取的是 2014 年 10 月 14 日采集的（图 2.2），覆盖试验区的 GFEL1A 级多光谱数据产品。实验影像空间分辨率为 8m，有红、绿波段。获取数据的详细配置信息见下表 2.1。
2 研究区域概况及影 预处理9图 2.1 试验区位置示意图2.2 试验区遥感影像的获取影像来源于中国卫星应用中心网站上发布的高分卫星公开数据产品。本项研究的遥感影像主要选取的是 2014 年 10 月 14 日采集的（图 2.2），覆盖试验区的 GF-1 号 PMS传感器的 LEVEL1A 级多光谱数据产品。实验影像空间分辨率为 8m，有红、绿、蓝和近红外四个光谱波段。获取数据的详细配置信息见下表 2.1。图 2.2 试验区遥感影像
【参考文献】：
期刊论文
[1]我国森林生态安全评价及其差异化分析[J]. 米锋,谭曾豪迪,顾艳红,鲁莎莎,张大红. 林业科学. 2015(07)
[2]现代森林经理调查分析[J]. 陶冠慧. 黑龙江科技信息. 2014(13)
[3]鹫峰地区QuickBird影像纹理特征与生物量估测关系初探[J]. 王昆,张晓丽,王珊,焦志敏,宁亮亮,吴石磊. 地理与地理信息科学. 2013(03)
[4]基于遥感和GIS的中山市五桂山森林蓄积量时间序列分析[J]. 樊风雷,邓应彬,樊蔚. 广东农业科学. 2013(04)
[5]我国森林资源开发过程中的问题及对策研究[J]. 张小有. 北京农业. 2012(36)
[6]Object oriented land cover classification using ALS and GeoEye imagery over mining area[J]. YU Hai-yang, CHENG Gang, GE Xiao-san, LU Xiao-ping Key Laboratory of Mine Spatial Information Technologies of State Bureau of Surveying and Mapping, Henan Polytechnic University, Jiaozuo 454000, China. Transactions of Nonferrous Metals Society of China. 2011(S3)
[7]基于灰度共生矩阵的图像纹理特征地物分类应用[J]. 李智峰,朱谷昌,董泰锋. 地质与勘探. 2011(03)
[8]遥感影像在二类调查中应用的前景与限制因素[J]. 李春光,杨军元,刘书胜,李晓光,于红伟,崔著信. 绿色科技. 2011(02)
[9]基于灰度共生矩阵的遥感图像纹理库设计[J]. 周旭,白深模. 海洋测绘. 2010(05)
[10]基于多因子对象的高空间分辨率遥感影像道路提取[J]. 施益强,朱晓铃,蔺方. 集美大学学报(自然科学版)(网络预览本). 2010(04)
博士论文
[1]基于多源数据和神经网络模型的森林资源蓄积量动态监测[D]. 吴达胜.浙江大学 2014
[2]基于图像纹理特征提取算法的研究及应用[D]. 王凯.西南交通大学 2013
[3]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013
[4]基于样本的纹理合成方法研究[D]. 孙利君.山东大学 2012
[5]SPOT-5遥感影像马尾松毛虫害信息提取技术研究[D]. 亓兴兰.福建农林大学 2011
[6]基于多源遥感数据的森林蓄积量估测方法研究[D]. 杨永恬.中国林业科学研究院 2010
硕士论文
[1]抽取建立森林蓄积量估测模型最优样地的方法研究[D]. 于丁.西安科技大学 2014
[2]基于GIS和遥感影像的森林蓄积量分类估测研究[D]. 王艳婷.西安科技大学 2014
[3]森林蓄积量估测遥感影像比值波段和纹理信息选择研究[D]. 高阳.西安科技大学 2014
[4]基于特征提取的纹理图像分割[D]. 董昱威.长安大学 2014
[5]基于GIS和高分辨率遥感的森林蓄积量定量估测核心算法研究[D]. 于宝义.西安科技大学 2013
[6]基于eCognition分类的森林蓄积量估测研究[D]. 张腾飞.西安科技大学 2012
[7]森林蓄积量遥感定量估测系统研发[D]. 丰德恩.西安科技大学 2012
[8]基于MapGIS遥感图像分析处理研究[D]. 孔艳婷.内蒙古科技大学 2012
[9]基于SRTM数据的地形坡度分级多边形合并方法与应用研究[D]. 高一平.太原理工大学 2012
[10]基于遥感抽样技术的平南县森林蓄积量估测[D]. 谢进金.中南林业科技大学 2011
本文编号：3495682
本文链接：https://www.wllwen.com/nykjlw/lylw/3495682.html
