高分辨率遥感森林植被分类提取研究

发布时间：2019-10-13 08:00

【摘要】：森林植被的分类提取是基于遥感技术的森林资源监测体系中的基础和关键环节。森林植被分类提取的结果不仅关系到森林面积、空间位置、森林类别等定性监测指标精度,还直接影响到森林植被的蓄积量、生物量、碳储量、生物多样性、生态服务功能等定量监测的精度。我国高分系列遥感卫星和资源系列卫星的成功发射,使高分辨率遥感数据极大丰富,亟需以国产高分遥感数据为依托,研究森林植被分类提取中涉及的遥感影像预处理流程、图像分割方法、最优分割尺度选择、分类模型构建方式等系列关键技术环节,构建较为完善森林植被分类提取体系,以及进行将多时相遥感数据、DEM数据、多分辨率影像数据有效综合应用于森林植被分类提取中的研究,为国产高分遥感数据在森林资源监测中的高效应用提供参考。本研究以延庆县松山国家自然保护区及周边99km2的区域为研究区,以GF-2影像为遥感数据源,以森林植被的分类提取为主线,构建基于面向对象高分辨率遥感的森林植被分类提取体系框架,研究了GF-2号数据的数据处理流程与地物的光谱可分性；尝试改进了基于Mean Shift、区域合并算法和地形分区算法的多尺度分割方法,提出了基于先验知识的最优尺度选择方法；根据不同地物表现形式下的影像对象特征的分析统计结果,实现了多时相遥感数据和影像特征指标的选取；应用CART决策树算法在四种不同的多尺度分割结果基础上获取了四个森林植被分层提取规则集；应用混淆矩阵对各规则集提取的分类结果进行了精度验证。主要研究结果如下：(1)通过目视与定量评价方法,分析基于PCA、GS、Pansharp与SFIM等4种融合方法的GF-2全色和多光谱影像数据的融合结果,得出Pansharp融合算法得到的影像在清晰度和地物空间辨识度方面优于其他三种方法,是在应用GF-2号影像对地物边界需要较高精度提取时的最佳融合方法。(2)应用J-M距离定量对比分析了GF-2号遥感影像与WorldView-2多光谱遥感影像的地物光谱可分性,得出GF-2号遥感影像在地物大类的区分中具有较好的光谱可分性,林地与其他地类间均具有较高的区分度,且在该研究区获取的GF-2号多光谱遥感影像在多个地类问的光谱可分性与基于四个常见的波段组合的WorldView-2多光谱遥感影像相近。(3)研究构建了基于Mean Shift算法、区域合并算法和地形分区方法的多尺度分割方法,该分割方法结合本文提出的基于先验知识的最优尺度选择方法获取了研究区的分割结果。通过与采用eCogniton软件中的多尺度分割算法并结合ESP尺度评价工具进行的多尺度分割结果进行对比得出,基于本文改进的多尺度分割方法和基于先验知识的最优尺度选择方法下的分割结果,其分割效果更符合森林植被分类中的应用。(4)应用CART决策树算法构建了基于FNEA多尺度分割方法、基于Mean Shift和区域合并算法的多尺度分割方法、基于地形分区的Mean Shift和区域合并算法的多尺度分割方法、基于改进分层提取的高分辨率森林植被分类方法等四种方法分割结果下的分类规则集。根据分类规则集获取了研究区的分类结果,并应用混淆矩阵验证了各方法下的分类精度,结果表明：基于改进分层提取的高分辨率森林植被分类方法分类精度最高,总体分类精度为82.24%,KAPPA系数为82.67%；基于地形分区的Mean Shift和区域合并算法的多尺度分割方法分类精度次之,总体分类精度为79.51%,KAPPA系数为79.99%；基于FNEA多尺度分割方法和基于Mean Shift和区域合并算法的多尺度分割方法分类精度较差,总体分类精度分别为77.32%和77.05%,KAPPA系数分别为77.84%和77.38%。
【图文】：

现形式下的的光谱特征、纹理特征、专题指数特征采用ＣＡＲＴ决策树方法进行分类规逡逑则集构建；最后，根据分类规则集获取研究区的分类结果，并应用混淆矩阵验证本文逡逑设计的森林植被提取方法的分类精度。总体技术流程如图２－２所示。逡逑２１逡逑

大陆性季风气候，位于温带与中温带、半干旱与半湿润带的过渡区域，气候冬冷夏凉，，逡逑年平均气温８°Ｃ。逡逑本研究Ｗ松山国家自然保护区及周边９９ｋｍ２的区域为研究区（图３－１）。该区域包逡逑含自然保护区、京津风沙源工程、平原造林工程地块，因此±地覆被多样，森林植被逡逑类型丰富，是植被分类研究的良好试验场。研究区内森林植被类型包括阔叶林、针叶逡逑林、灌木林、乔木园地、苗圃、未成林造林地，主要乔木树种为油松（巧ｎｗ邋ｔｏＡｗ／矿ｗｖｗｂ）、逡逑侧柏（b6／幻皆ｃ／化／ｗｏｒｚ’ｅｎｆｏ［化）、刺槐内山护ＣＭ成）幻ｃａｃｚ？幻）、黑梓（公６化／口成ｍ／ｒｚ＇ｃ口逡逑Ｐａｌｌ）、白z1（公ｅ化／口；？／口她片挪幻Ｓｕｋ）、山杨（b6ｏｐ＂／ｗ舶Ｖ诚ａｎａ）、蒙古巧逡逑ｗｏｎｇｏ妃幻Ｆｉｓｄｉ）、迂东巧（贫ｗｃｗｗＷ饥’■ｓ＆＜ｍｗ？Ｍａｒｙ）等。逡逑典＾－７邋Ｉ逦接一）逡逑啊yP＇＇雌逦ｊ逦＿Ａ＼逡逑娭榞Ｉ；？逦许《岕巧灥户逡逑均逡逑目Ｓ区边界逡逑－？？《，逦冷逦０邋２．５邋５逦１０邋巧邋２电＿＊逡逑图３－１研究区位置图逡逑Ｆｉｇ．３－１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋ｔｈｅ邋ｓｔｕｄｙ邋ａｒｅａ逡逑２３逡逑
【学位授予单位】：北京林业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：S771.8

【相似文献】

相关期刊论文 前10条

1 郭航;张晓丽;;基于遥感技术的植被分类研究现状与发展趋势[J];世界林业研究;2007年03期

2 赵一;;植被分类系统与方法综述[J];河北林果研究;2010年02期

3 宋永昌;;对中国植被分类系统的认知和建议[J];植物生态学报;2011年08期

4 王志伟;史健宗;岳广阳;赵林;南卓铜;吴晓东;乔永平;吴通华;邹德福;;玉树地区融合决策树方法的面向对象植被分类[J];草业学报;2013年05期

5 周远瑞;;广东省的植被分类系统[J];植物生态学与地植物学丛刊;1963年Z1期

6 张秋江;;应用遥感数据进行植被分类[J];林业勘查设计;1990年02期

7 喻素芳;温远光;朱宏光;韩明臣;秦武明;陆道调;;“3S”技术在植被分类中的应用研究[J];安徽农业科学;2009年12期

8 周广胜,张新时;全球变化的中国气候-植被分类研究[J];植物学报;1996年01期

9 方正,胡式之;第一次全国植被分类、分区及制图学术工作会议简报[J];植物生态学与地植物学丛刊;1981年02期

10 于拔;第二次全国植被分类、分区及制图学术工作会议在安阳召开[J];植物生态学与地植物学丛刊;1982年02期

相关会议论文 前4条

1 桑卫国;马克平;;植被分类与生物多样性主题信息标准的研究[A];面向21世纪的中国生物多样性保护——第三届全国生物多样性保护与持续利用研讨会论文集[C];1998年

2 黄勇;姚筠;刘惠敏;张宏群;;基于傅立叶变换的卫星遥感地表植被分类[A];中国气象学会2006年年会“卫星遥感技术进展及应用”分会场论文集[C];2006年

3 关文彬;吴建安;梁广林;王棒;马克明;刘国华;汪西林;;岷江源区植被分类及其主要类型[A];中国生物多样性保护与研究进展——第五届全国生物多样性保护与持续利用研讨会论文集[C];2002年

4 李贵才;刘勇洪;;基于MODIS数据的中国植被遥感分类[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年

相关重要报纸文章 前2条

1 本报记者 延宏;植物给气候号脉[N];科技日报;2001年

2 钱铮;日本卫星“三只眼”上天[N];地质勘查导报;2006年

相关博士学位论文 前1条

1 李伟涛;高分辨率遥感森林植被分类提取研究[D];北京林业大学;2016年

相关硕士学位论文 前8条

1 朱子先;基于高光谱遥感影像的扎龙湿地植被分类研究[D];哈尔滨师范大学;2012年

2 曾兰;《美国国家植被分类标准》翻译实践报告[D];湘潭大学;2014年

3 王颖;基于NDVI-LST模型的长白山地区植被分类与动态变化研究[D];东北师范大学;2011年

4 安冬妮;乌珠穆沁盆地植被分类研究[D];内蒙古大学;2010年

5 陈丹;基于HJ-1A星HSI高光谱数据的植被分类研究[D];南京农业大学;2012年

6 赵一;北京山地植被分类与特征分析[D];北京林业大学;2010年

7 郭航;北京山区森林植被分类技术研究[D];北京林业大学;2007年

8 李利平;北京雾灵山自然保护区植被分类与重点保护植物评价[D];北京林业大学;2005年

本文编号：2548570