基于GEE云平台的喜马拉雅地区森林覆被提取及其变化分析
发布时间：2022-02-16 16:51
在全球气候变化和人类活动双重背景下,森林生态系统在垂直海拔高度上有着显著的响应和变化。喜马拉雅地区因其垂直高差巨大,而且还跨五个主权国家的辖区,人类活动、管理措施等有着较大差别,是研究森林变化的理想之地。为了准确地识别喜马拉雅地区的森林面积、分布、变化以及影响因素,本文基于野外实地调查的点位数据,利用CART、随机森林、朴素贝叶斯分类器分别对喜马拉雅地区森林的信息进行提取,选取最优的分类器——随机森林分类器进行森林信息的提取。在此基础上,利用Google Earth遥感影像点位数据对HF森林数据和现有七种不同分辨率的森林数据（JAXA森林数据、Globe Land30土地覆被数据、FROM-GLC土地覆被数据、Global Forest Watch树木覆被数据、GLCF VCF树木覆被数据、CCI-LC土地覆被数据、MCD12Q1土地覆被数据）的总体精度、Kappa系数、森林制图者精度、森林用户精度进行评估,并在国家尺度和像元尺度分析HF森林数据和现有几种森林数据的森林面积和空间的一致性。最后通过筛选最优的森林提取信息分类器,分析1984-2018年有效年份（14年）森林数据的时空变化...
【文章来源】：青海师范大学青海省
【文章页数】：102 页
【学位级别】：硕士
【文章目录】：
基金项目
中文摘要
Abstract
第一章 引言
1.1 研究背景及意义
1.2 文献综述
1.2.1 森林覆被提取的研究进展
1.2.2 森林变化监测的研究进展
1.2.3 森林变化的原因解释
1.2.4 森林遥感影像分类及其监测方法的研究进展
1.3 科学问题
1.4 研究目标
1.5 研究内容
1.6 技术路线
第二章 研究区概况
2.1 自然地理概况
2.2 社会经济状况
第三章 数据来源及处理
3.1 Google Earth Engine云平台简介
3.2 野外验证点数据
3.3 Google Earth影像数据
3.4 Landsat卫星数据
3.5 现有的中分辨率森林数据
3.5.1 JAXA森林覆被数据
3.5.2 Globe Land30 土地覆被数据
3.5.3 FROM-GLC土地覆被数据
3.5.4 Global Forest Watch树木覆被数据
3.5.5 GLCF VCF树木覆被数据
3.5.6 CCI-LC土地覆被数据
3.5.7 MCD12Q1土地覆被数据
3.6 其他数据
3.6.1 指数数据
3.6.2 地形数据
3.6.3 矢量数据
3.6.4 水系数据
3.6.5 人口密度数据
3.6.6 土壤pH数据
3.6.7 土壤有机碳含量
第四章 森林覆被数据提取
4.1 样本点的确定
4.1.1 不同点位分布模式下分类结果的比较
4.1.2 剔除异常值的常用方法(箱型图)
4.1.3 剔除异常值的具体步骤
4.1.4 样本点选取的具体步骤
4.2 分类方法的确定
4.2.1 三种森林分类方法介绍
4.2.2 混淆矩阵
4.2.3 分类结果的对比
4.3 喜马拉雅地区森林数据的提取
4.4 小结
第五章 喜马拉雅地区不同数据的比较
5.1 现有七种森林数据匹配的方法
5.2 喜马拉雅森林数据与现有七种森林数据的精度比较
5.3 喜马拉雅森林数据与现有七种森林数据的差异性分析
1.HF森林数据与七种森林数据的空间分布
2.国家尺度面积统计
3.HF森林数据与现有七种森林数据的像元尺度的一致性
5.4 小结
第六章 喜马拉雅地区森林覆被分布及变化分析
6.1 研究方法
6.1.1 空间分析
6.1.2 Logistic回归模型
6.2 喜马拉雅地区森林覆被的分布
6.3 喜马拉雅地区森林覆被的时间变化特征
6.4 森林覆被变化的空间分布特征
6.5 森林变化的原因解释
6.6 小结
第七章 结论与展望
7.1 主要结论
7.2 思考
7.2.1 可能的创新点
7.2.2 不足与展望
参考文献
附录
致谢
个人简历、在学期间的研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]2000—2015年安徽省林地遥感制图与时空变化分析[J]. 邵亚奎,朱长明,徐新良,张新,沈谦. 生态科学. 2019(06)
[2]全球海岸带多源土地利用/覆盖遥感分类产品一致性分析[J]. 侯婉,侯西勇. 地球信息科学学报. 2019(07)
[3]森林类型遥感分类及变化监测研究进展[J]. 颜伟,周雯,易利龙,田昕. 遥感技术与应用. 2019(03)
[4]基于高分辨率卫星影像的森林资源动态变化监测与驱动力分析[J]. 谢敏,龚直文. 中南林业科技大学学报. 2019(05)
[5]基于多源遥感影像的森林资源分类及精度评价[J]. 徐辉,潘萍,杨武,欧阳勋志,宁金魁,邵锦锋,李琦. 江西农业大学学报. 2019(04)
[6]森林生态系统遥感监测技术研究进展[J]. 何兴元,任春颖,陈琳,王宗明,郑海峰. 地理科学. 2018(07)
[7]巴基斯坦森林经营政策与评述[J]. Muhammad Arif,韩丽晶,曹玉昆. 林业经济. 2018(05)
[8]综合应用多源遥感数据的面向对象土地覆盖分类方法[J]. 李晓红,陈尔学,李增元,李世明. 林业科学. 2018(02)
[9]岷江上游流域植被覆盖度及其与地形因子的相关性[J]. 张诗羽,张毅,王昌全,曾志超. 水土保持通报. 2018(01)
[10]四川大熊猫栖息地PALSAR时序数据森林覆盖动态监测研究[J]. 周晓宇,陈富龙. 遥感技术与应用. 2017(06)
博士论文
[1]1990-2015年喜马拉雅山冰川变化及其对气候波动的响应[D]. 冀琴.兰州大学 2018
[2]完善西藏森林生态效益补偿体系建设研究[D]. 李华.东北林业大学 2016
硕士论文
[1]融合多源遥感数据的黄土高原森林提取及与现有产品的比较研究[D]. 杨智奇.中国地质大学(北京) 2018
[2]朴素贝叶斯算法的改进与应用[D]. 马刚.安徽大学 2018
[3]基于改进的K-均值算法的朴素贝叶斯分类及应用[D]. 李艳.合肥工业大学 2007
本文编号：3628316
【文章来源】：青海师范大学青海省
【文章页数】：102 页
【学位级别】：硕士
【文章目录】：
基金项目
中文摘要
Abstract
第一章 引言
1.1 研究背景及意义
1.2 文献综述
1.2.1 森林覆被提取的研究进展
1.2.2 森林变化监测的研究进展
1.2.3 森林变化的原因解释
1.2.4 森林遥感影像分类及其监测方法的研究进展
1.3 科学问题
1.4 研究目标
1.5 研究内容
1.6 技术路线
第二章 研究区概况
2.1 自然地理概况
2.2 社会经济状况
第三章 数据来源及处理
3.1 Google Earth Engine云平台简介
3.2 野外验证点数据
3.3 Google Earth影像数据
3.4 Landsat卫星数据
3.5 现有的中分辨率森林数据
3.5.1 JAXA森林覆被数据
3.5.2 Globe Land30 土地覆被数据
3.5.3 FROM-GLC土地覆被数据
3.5.4 Global Forest Watch树木覆被数据
3.5.5 GLCF VCF树木覆被数据
3.5.6 CCI-LC土地覆被数据
3.5.7 MCD12Q1土地覆被数据
3.6 其他数据
3.6.1 指数数据
3.6.2 地形数据
3.6.3 矢量数据
3.6.4 水系数据
3.6.5 人口密度数据
3.6.6 土壤pH数据
3.6.7 土壤有机碳含量
第四章 森林覆被数据提取
4.1 样本点的确定
4.1.1 不同点位分布模式下分类结果的比较
4.1.2 剔除异常值的常用方法(箱型图)
4.1.3 剔除异常值的具体步骤
4.1.4 样本点选取的具体步骤
4.2 分类方法的确定
4.2.1 三种森林分类方法介绍
4.2.2 混淆矩阵
4.2.3 分类结果的对比
4.3 喜马拉雅地区森林数据的提取
4.4 小结
第五章 喜马拉雅地区不同数据的比较
5.1 现有七种森林数据匹配的方法
5.2 喜马拉雅森林数据与现有七种森林数据的精度比较
5.3 喜马拉雅森林数据与现有七种森林数据的差异性分析
1.HF森林数据与七种森林数据的空间分布
2.国家尺度面积统计
3.HF森林数据与现有七种森林数据的像元尺度的一致性
5.4 小结
第六章 喜马拉雅地区森林覆被分布及变化分析
6.1 研究方法
6.1.1 空间分析
6.1.2 Logistic回归模型
6.2 喜马拉雅地区森林覆被的分布
6.3 喜马拉雅地区森林覆被的时间变化特征
6.4 森林覆被变化的空间分布特征
6.5 森林变化的原因解释
6.6 小结
第七章 结论与展望
7.1 主要结论
7.2 思考
7.2.1 可能的创新点
7.2.2 不足与展望
参考文献
附录
致谢
个人简历、在学期间的研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]2000—2015年安徽省林地遥感制图与时空变化分析[J]. 邵亚奎,朱长明,徐新良,张新,沈谦. 生态科学. 2019(06)
[2]全球海岸带多源土地利用/覆盖遥感分类产品一致性分析[J]. 侯婉,侯西勇. 地球信息科学学报. 2019(07)
[3]森林类型遥感分类及变化监测研究进展[J]. 颜伟,周雯,易利龙,田昕. 遥感技术与应用. 2019(03)
[4]基于高分辨率卫星影像的森林资源动态变化监测与驱动力分析[J]. 谢敏,龚直文. 中南林业科技大学学报. 2019(05)
[5]基于多源遥感影像的森林资源分类及精度评价[J]. 徐辉,潘萍,杨武,欧阳勋志,宁金魁,邵锦锋,李琦. 江西农业大学学报. 2019(04)
[6]森林生态系统遥感监测技术研究进展[J]. 何兴元,任春颖,陈琳,王宗明,郑海峰. 地理科学. 2018(07)
[7]巴基斯坦森林经营政策与评述[J]. Muhammad Arif,韩丽晶,曹玉昆. 林业经济. 2018(05)
[8]综合应用多源遥感数据的面向对象土地覆盖分类方法[J]. 李晓红,陈尔学,李增元,李世明. 林业科学. 2018(02)
[9]岷江上游流域植被覆盖度及其与地形因子的相关性[J]. 张诗羽,张毅,王昌全,曾志超. 水土保持通报. 2018(01)
[10]四川大熊猫栖息地PALSAR时序数据森林覆盖动态监测研究[J]. 周晓宇,陈富龙. 遥感技术与应用. 2017(06)
博士论文
[1]1990-2015年喜马拉雅山冰川变化及其对气候波动的响应[D]. 冀琴.兰州大学 2018
[2]完善西藏森林生态效益补偿体系建设研究[D]. 李华.东北林业大学 2016
硕士论文
[1]融合多源遥感数据的黄土高原森林提取及与现有产品的比较研究[D]. 杨智奇.中国地质大学(北京) 2018
[2]朴素贝叶斯算法的改进与应用[D]. 马刚.安徽大学 2018
[3]基于改进的K-均值算法的朴素贝叶斯分类及应用[D]. 李艳.合肥工业大学 2007
本文编号：3628316
本文链接：https://www.wllwen.com/nykjlw/lylw/3628316.html
