联合GF-3 PolSAR数据和Landsat-8 OLI数据的森林地上生物量估测方法研究
发布时间:2023-11-26 15:23
遥感技术以其宏观、快速、动态、可重复等特点被广泛用于区域森林地上生物量估算,已成为目前森林地上生物量估测的主要方法。高分三号(Gaofen-3,GF-3)卫星作为我国首个C波段合成孔径雷达(Synthetic Aperture Radar,SAR)卫星,可以穿透云雾和森林,可以全天时全天候工作,其侧视成像、多极化能力可以较好地反映地表植被散射机制。然而C波段SAR在林分密集处穿透性不够,在林分稀疏处受到土壤条件影响较大,借助极化分解的手段对SAR的参数进行组合优化,可以改善C波段SAR后向散射系数估测森林地上生物量的不足,而且利用不同遥感数据源所含信息的互补性,能够较准确地反演森林地上生物量。本研究以广西省南宁市高峰林场为研究区,结合森林样地调查数据,提取GF-3全极化(Polarimetric Synthetic Aperture Radar,PolSAR)数据的后向散射系数、极化分解参数和Landsat-8 OLI数据的光谱信息、植被指数、纹理,分别基于单一来源遥感数据和基于多源遥感数据对森林地上生物量进行估测,探究多源遥感估测森林地上生物量的可行性。为了能有效利用高维遥感特征进行...
【文章页数】:65 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景与研究意义
1.2 国内外研究现状
1.2.1 光学遥感森林生物量估测研究现状
1.2.2 微波遥感森林生物量估测研究现状
1.2.3 联合微波遥感与光学遥感估测森林生物量
1.3 研究内容
1.4 技术路线
1.5 本章小结
2 极化分解原理
2.1 电磁波传输原理
2.2 极化波的表征
2.2.1 极化椭圆
2.2.2 极化散射矩阵
2.3 极化分解模型
2.3.1 Freeman分解
2.3.2 Yamaguchi分解
2.3.3 van Zyl分解
2.3.4 Neumann分解
2.3.5 H/A/α分解
2.3.6 TSVM分解
2.4 本章小结
3 研究区域与数据介绍
3.1 研究区域概况
3.2 地面调查数据
3.3 卫星数据介绍
3.3.1 GF-3 PolSAR数据
3.3.2 Landsat-8 OLI数据
3.3.3 ASTER GDEM V2数据
3.4 本章小结
4 卫星影像预处理及特征提取
4.1 GF-3 PolSAR数据预处理
4.2 GF-3 PolSAR数据特征提取
4.2.1 后向散射系数
4.2.2 极化分解参数
4.3 Landsat-8 OLI数据预处理
4.4 Landsat-8 OLI特征提取
4.4.1 原始波段参数提取
4.4.2 植被指数
4.4.3 纹理信息
4.5 样地特征数据提取
4.6 本章小结
5 KNN-SFS方法估测森林地上生物量
5.1 KNN法原理
5.2 序列前向特征选择方法
5.3 KNN-SFS方法
5.4 精度评价方法
5.5 结果与分析
5.5.1 不同数据特征类型估测森林地上生物量
5.5.2 GF-3 PolSAR数据估测森林地上生物量
5.5.3 Landsat-8 OLI数据估测森林地上生物量
5.5.4 联合多源数据估测森林地上生物量
5.5.5 多元线性逐步回归估测森林地上生物量
5.5.6 森林地上生物量区域反演结果
5.6 本章小结
6 结论与展望
参考文献
攻读学位期间发表的学术论文
致谢
本文编号:3868041
【文章页数】:65 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景与研究意义
1.2 国内外研究现状
1.2.1 光学遥感森林生物量估测研究现状
1.2.2 微波遥感森林生物量估测研究现状
1.2.3 联合微波遥感与光学遥感估测森林生物量
1.3 研究内容
1.4 技术路线
1.5 本章小结
2 极化分解原理
2.1 电磁波传输原理
2.2 极化波的表征
2.2.1 极化椭圆
2.2.2 极化散射矩阵
2.3 极化分解模型
2.3.1 Freeman分解
2.3.2 Yamaguchi分解
2.3.3 van Zyl分解
2.3.4 Neumann分解
2.3.5 H/A/α分解
2.3.6 TSVM分解
2.4 本章小结
3 研究区域与数据介绍
3.1 研究区域概况
3.2 地面调查数据
3.3 卫星数据介绍
3.3.1 GF-3 PolSAR数据
3.3.2 Landsat-8 OLI数据
3.3.3 ASTER GDEM V2数据
3.4 本章小结
4 卫星影像预处理及特征提取
4.1 GF-3 PolSAR数据预处理
4.2 GF-3 PolSAR数据特征提取
4.2.1 后向散射系数
4.2.2 极化分解参数
4.3 Landsat-8 OLI数据预处理
4.4 Landsat-8 OLI特征提取
4.4.1 原始波段参数提取
4.4.2 植被指数
4.4.3 纹理信息
4.5 样地特征数据提取
4.6 本章小结
5 KNN-SFS方法估测森林地上生物量
5.1 KNN法原理
5.2 序列前向特征选择方法
5.3 KNN-SFS方法
5.4 精度评价方法
5.5 结果与分析
5.5.1 不同数据特征类型估测森林地上生物量
5.5.2 GF-3 PolSAR数据估测森林地上生物量
5.5.3 Landsat-8 OLI数据估测森林地上生物量
5.5.4 联合多源数据估测森林地上生物量
5.5.5 多元线性逐步回归估测森林地上生物量
5.5.6 森林地上生物量区域反演结果
5.6 本章小结
6 结论与展望
参考文献
攻读学位期间发表的学术论文
致谢
本文编号:3868041
本文链接:https://www.wllwen.com/nykjlw/lylw/3868041.html