基于高分辨率遥感影像森林经理小班边界提取

发布时间：2025-01-15 19:20

　　森林经理小班是森林资源调查和经营的基本单位,合理正确的小班区划是森林资源监测的基础性工作之一。传统的森林区划方式是人工“对坡勾绘”小班边界,这种方式工作量大,主观性强,误差较大。基于高分辨率遥感卫星影像,采用支持向量机理论方法自动提取森林小班边界,可望提高森林小班区划的效率和精度。本文利用2015年高分二号卫星遥感影像,在NDVI的提取和主成分分析的基础上进行影像分割。以经过处理的实际小班边界为样本,基于SVM法,选取径向基核函数对影像进行分类并提取森林小班边界。以面积相对误差作为评价指标对提取的森林小班边界进行精度评价。主要研究成果如下:(1)对于郁闭度较大的森林小班边界提取研究,影像分割要适当欠分割,影像分割的最佳分割组合为分割尺度85,合并尺度95。(2)利用SVM的线性核函数,多项式核函数,径向基核函数和Sigmoid核函数分别分类提取森林小班边界,四种核函数分类精度相差不大,径向基核函数的分类提取小班边界面积相对误差最小,分类提取精度最高。(3)SVM法和最大似然法、神经网络法以及马氏距离法三种方法相比,面积相对误差最小,森林小班边界提取精度最高,为87.69%。最大似然法的森...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图３实际小班边界作为样本的ＳＶＭ分类结果

第６期杨芳，等：基于ＳＶＭ的高分二号遥感影像森林经理小班边界提取研究图３实际小班边界作为样本的ＳＶＭ分类结果图４实际小班边界作为样本的ＳＶＭ分类提取小班与实际小班比较Ｆｉｇ．３ＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔ－ｍｅｎｔｂ....

图４实际小班边界作为样本的ＳＶＭ分类提取小班与实际小班比较Ｆｉｇ．３ＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔ－Ｆｉｇ．４Ｃｏｍｐａｒｉｓｏｎｃｈａｒｔｏｆａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔｍｅｎｔｂｏｕｎｄ－

第６期杨芳，等：基于ＳＶＭ的高分二号遥感影像森林经理小班边界提取研究图３实际小班边界作为样本的ＳＶＭ分类结果图４实际小班边界作为样本的ＳＶＭ分类提取小班与实际小班比较Ｆｉｇ．３ＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔ－ｍｅｎｔｂ....

图３实际小班边界作为样本的ＳＶＭ分类结果

第６期杨芳，等：基于ＳＶＭ的高分二号遥感影像森林经理小班边界提取研究图３实际小班边界作为样本的ＳＶＭ分类结果图４实际小班边界作为样本的ＳＶＭ分类提取小班与实际小班比较Ｆｉｇ．３ＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔ－ｍｅｎｔｂ....

图４实际小班边界作为样本的ＳＶＭ分类提取小班与实际小班比较Ｆｉｇ．３ＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔ－Ｆｉｇ．４Ｃｏｍｐａｒｉｓｏｎｃｈａｒｔｏｆａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔｍｅｎｔｂｏｕｎｄ－

第６期杨芳，等：基于ＳＶＭ的高分二号遥感影像森林经理小班边界提取研究图３实际小班边界作为样本的ＳＶＭ分类结果图４实际小班边界作为样本的ＳＶＭ分类提取小班与实际小班比较Ｆｉｇ．３ＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅａｃｔｕａｌｓｕｂ－ｃｏｍｐａｒｔ－ｍｅｎｔｂ....

本文编号：4027739