基于多源遥感影像的青海云杉和祁连圆柏分类 ——以祁连山国家公园为例
发布时间：2021-06-05 07:56
森林生态系统是陆地生态系统的重要组成部分,在治理水土流失、调节气候变化、维持生态平衡等方面至关重要。青海云杉和祁连圆柏是祁连山自然保护区的优势树种,提取并掌握两种优势树种的空间分布对保护区森林资源管理,维持森林生态系统平衡等方面具有重要的意义。本文利用Landsat-8、Sentinel-2A和Sentinel-1A三种遥感影像及ASTER DEM数据,分析并提取了光谱特征、植被指数、纹理特征、后向散射特征、地形特征共计22个特征变量,通过随机森林算法和分层分类技术,对祁连山国家公园甘肃省片区范围的青海云杉和祁连圆柏进行分类,并对比分析不同特征组合的分类结果,探讨不同特征变量的贡献程度,筛选最优特征组合,进一步分析了研究区青海云杉和祁连圆柏的空间分布特征,统计出研究区不同功能区划优势树种的面积以及占比,主要得到以下结论:（1）与单一遥感影像相比,加入多源遥感影像和地形数据有助于提升分类精度。利用Sentinel-2A影像特征提取林地精度为93.36%,加入DEM数据和Landsat-8数据能使总体精度分别提高2.14%和0.56%。仅使用Landsat-8特征鉴别优势树种总体精度为81...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
技术路线图
兰州大学硕士学位论文基于多源遥感影像的青海云杉和祁连圆柏分类—以祁连山国家公园为例9第二章数据与研究方法2.1研究区概况2.1.1地理概况祁连山，地处中国青海东北部与甘肃西部边境地带，东起乌鞘岭松山，西到当金山口，北临河西走廊，南靠柴达木盆地。作为我国境内主要山脉之一，横亘青海、甘肃两省共计千余公里，其中，甘肃省涉及酒泉、张掖、武威、金昌、兰州5市的阿克塞、肃北、肃南、民乐、甘州、山丹、永昌、凉州、古浪、天祝、永登11个县（区）及山丹马常祁连山是我国西北地区重要的生态安全屏障和生物多样性保护的优先区域，既是黄河、青海湖的重要水源补给区，亦是诸多内陆河的发源地[46]。1998年，国务院确定祁连山水源涵养林为国家重点水源涵养林区。2017年9月，中共中央办公厅国务院办公厅印发了《祁连山国家公园体制试点方案》，确定祁连山国家公园总面积5.02万平方公里，其中，甘肃省片区占总面积的68.5%，涉及肃北蒙古族自治县、阿克塞哈萨克族自治县、肃南裕固族自治县、民乐县、永昌县、天祝藏族自治县、凉州区和7县(区)。祁连山国家公园甘肃片区（以下简称甘肃片区）地势西高东低、南高北低，有大通河、石羊河、黑河、疏勒河流经，受东南季风、西北季风和西北干旱荒漠气候的共同影响，自东向西、由南至北降水量逐渐递减，温度、湿度逐渐降低，在自然地理因素影响下，该保护区形成了众多植被类型，具有典型的森林生态系统。图2-1研究区地理位置（参考边界）
兰州大学硕士学位论文基于多源遥感影像的青海云杉和祁连圆柏分类—以祁连山国家公园为例13大气辐射传输模型，该模型使用离散纵标法对地球大气、太阳以及热辐射传输进行计算，对任何大气条件均可适用[54]。Sen2cor软件程序直接嵌入了由libRadtran传输模型代码产生的大气校正查找表，因此整个处理步骤变得简单，且程序计算时间也会减少。经过Sen2Cor插件大气校正后输出的Sentinel-2Level2A产品同样包括10m、20m、60m三种不同的分辨率。表2-3Sen2cor大气校正查找表参数范围增量点/网格点太阳天顶角（°）0-7010天顶视角（°）0-1010相对方位（°）0-18030平均高程（km）0-2.50.5可见度（km）5-1205，7，10，15，23，40，80，120夏季水汽含量（g/cm2）0.4-5.50.4，1.0，2.0，2.9，4.0，5.0冬季水汽含量（g/cm2）0.2-1.50.2，0.4，0.8，1.1图2-2经Sen2cor软件大气校正前后的Sentinel-2A影像波谱曲线对比影像数据重新组织过程中的灰度处理方法叫做重采样，指将现处理阶段的影像数据根据研究所需的应用要求而进一步处理[55]。常用的重采样方法有最邻近法、双线性内插法以及三次卷积内插法。使用ESA官方开发的一款专门处理Sentinel系列卫星影像的开源软件SNAP（SentinelApplicationPlatform）对Sentinel-2Level2A数据进行像素重采样[56-57]。由于分辨率为60m的b1、b9、b10这三个波段在分类识别等研究中很少用到，因此只需将10m分辨率b2、b3、b4、
【参考文献】：
期刊论文
[1]基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究[J]. 李若楠,欧光龙,代沁伶,徐伟恒,王雷光. 西南林业大学学报(自然科学). 2020(05)
[2]合成孔径雷达森林资源监测技术研究综述[J]. 李增元,赵磊,李堃,陈尔学,万祥星,徐昆鹏. 南京信息工程大学学报(自然科学版). 2020(02)
[3]基于随机森林特征选择的森林类型分类[J]. 刘思涵,尚夏明,马婷. 北京测绘. 2019(12)
[4]地形因子对长汀县植被覆盖度时空特征的驱动影响[J]. 田地,张厚喜,刘政,胡亚林. 福建农林大学学报(自然科学版). 2019(06)
[5]基于6S和FLAASH的Landsat8卫星影像大气校正精度对比研究[J]. 韩杰,刘小玉,李慧娜,苗宝亮,石宏斌. 许昌学院学报. 2019(05)
[6]不同滤波方法的SAR与多光谱图像融合算法[J]. 孙越,黄国满,赵争,刘本强. 遥感信息. 2019(04)
[7]基于时间序列遥感影像及DTW算法的塞罕坝林场树种识别研究[J]. 于贵朋. 林业与生态科学. 2019(03)
[8]遥感影像重采样方法实现与应用研究[J]. 王枭轩,左小清,杨泽楠. 软件. 2019(07)
[9]基于多源遥感数据的植物物种分类与识别:研究进展与展望[J]. 孔嘉鑫,张昭臣,张健. 生物多样性. 2019(07)
[10]祁连山森林健康保护与恢复措施[J]. 杨开恩. 热带农业工程. 2019(03)
博士论文
[1]中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D]. 任冲.中国林业科学研究院 2016
[2]随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学 2012
硕士论文
[1]集成机器学习与面向对象影像分类的大区域林地信息提取及其泛化能力研究[D]. 陆海霞.兰州大学 2019
[2]基于多源数据的落叶松人工林识别研究[D]. 郭瑞霞.西安科技大学 2019
[3]模型决策树方法研究[D]. 尹儒.山西大学 2019
[4]基于SVDD特征选择的随机森林高分辨率遥感影像变化检测[D]. 刘波.兰州交通大学 2018
[5]基于多源数据的复杂种植结构区作物遥感分类[D]. 郭栋.东北农业大学 2017
[6]基于随机森林算法的高维不平衡数据分类研究及应用[D]. 杨浩宇.郑州大学 2017
[7]随机森林算法的优化改进研究[D]. 马骊.暨南大学 2016
[8]光学与雷达遥感数据联合反演森林生物量方法研究[D]. 林岳峰.电子科技大学 2016
[9]面向失衡数据集的集成学习分类方法及其应用研究[D]. 黄久玲.哈尔滨理工大学 2015
[10]基于ALOS数据的遥感森林分类研究[D]. 杨冉冉.首都师范大学 2013
本文编号：3211764
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
技术路线图
兰州大学硕士学位论文基于多源遥感影像的青海云杉和祁连圆柏分类—以祁连山国家公园为例9第二章数据与研究方法2.1研究区概况2.1.1地理概况祁连山，地处中国青海东北部与甘肃西部边境地带，东起乌鞘岭松山，西到当金山口，北临河西走廊，南靠柴达木盆地。作为我国境内主要山脉之一，横亘青海、甘肃两省共计千余公里，其中，甘肃省涉及酒泉、张掖、武威、金昌、兰州5市的阿克塞、肃北、肃南、民乐、甘州、山丹、永昌、凉州、古浪、天祝、永登11个县（区）及山丹马常祁连山是我国西北地区重要的生态安全屏障和生物多样性保护的优先区域，既是黄河、青海湖的重要水源补给区，亦是诸多内陆河的发源地[46]。1998年，国务院确定祁连山水源涵养林为国家重点水源涵养林区。2017年9月，中共中央办公厅国务院办公厅印发了《祁连山国家公园体制试点方案》，确定祁连山国家公园总面积5.02万平方公里，其中，甘肃省片区占总面积的68.5%，涉及肃北蒙古族自治县、阿克塞哈萨克族自治县、肃南裕固族自治县、民乐县、永昌县、天祝藏族自治县、凉州区和7县(区)。祁连山国家公园甘肃片区（以下简称甘肃片区）地势西高东低、南高北低，有大通河、石羊河、黑河、疏勒河流经，受东南季风、西北季风和西北干旱荒漠气候的共同影响，自东向西、由南至北降水量逐渐递减，温度、湿度逐渐降低，在自然地理因素影响下，该保护区形成了众多植被类型，具有典型的森林生态系统。图2-1研究区地理位置（参考边界）
兰州大学硕士学位论文基于多源遥感影像的青海云杉和祁连圆柏分类—以祁连山国家公园为例13大气辐射传输模型，该模型使用离散纵标法对地球大气、太阳以及热辐射传输进行计算，对任何大气条件均可适用[54]。Sen2cor软件程序直接嵌入了由libRadtran传输模型代码产生的大气校正查找表，因此整个处理步骤变得简单，且程序计算时间也会减少。经过Sen2Cor插件大气校正后输出的Sentinel-2Level2A产品同样包括10m、20m、60m三种不同的分辨率。表2-3Sen2cor大气校正查找表参数范围增量点/网格点太阳天顶角（°）0-7010天顶视角（°）0-1010相对方位（°）0-18030平均高程（km）0-2.50.5可见度（km）5-1205，7，10，15，23，40，80，120夏季水汽含量（g/cm2）0.4-5.50.4，1.0，2.0，2.9，4.0，5.0冬季水汽含量（g/cm2）0.2-1.50.2，0.4，0.8，1.1图2-2经Sen2cor软件大气校正前后的Sentinel-2A影像波谱曲线对比影像数据重新组织过程中的灰度处理方法叫做重采样，指将现处理阶段的影像数据根据研究所需的应用要求而进一步处理[55]。常用的重采样方法有最邻近法、双线性内插法以及三次卷积内插法。使用ESA官方开发的一款专门处理Sentinel系列卫星影像的开源软件SNAP（SentinelApplicationPlatform）对Sentinel-2Level2A数据进行像素重采样[56-57]。由于分辨率为60m的b1、b9、b10这三个波段在分类识别等研究中很少用到，因此只需将10m分辨率b2、b3、b4、
【参考文献】：
期刊论文
[1]基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究[J]. 李若楠,欧光龙,代沁伶,徐伟恒,王雷光. 西南林业大学学报(自然科学). 2020(05)
[2]合成孔径雷达森林资源监测技术研究综述[J]. 李增元,赵磊,李堃,陈尔学,万祥星,徐昆鹏. 南京信息工程大学学报(自然科学版). 2020(02)
[3]基于随机森林特征选择的森林类型分类[J]. 刘思涵,尚夏明,马婷. 北京测绘. 2019(12)
[4]地形因子对长汀县植被覆盖度时空特征的驱动影响[J]. 田地,张厚喜,刘政,胡亚林. 福建农林大学学报(自然科学版). 2019(06)
[5]基于6S和FLAASH的Landsat8卫星影像大气校正精度对比研究[J]. 韩杰,刘小玉,李慧娜,苗宝亮,石宏斌. 许昌学院学报. 2019(05)
[6]不同滤波方法的SAR与多光谱图像融合算法[J]. 孙越,黄国满,赵争,刘本强. 遥感信息. 2019(04)
[7]基于时间序列遥感影像及DTW算法的塞罕坝林场树种识别研究[J]. 于贵朋. 林业与生态科学. 2019(03)
[8]遥感影像重采样方法实现与应用研究[J]. 王枭轩,左小清,杨泽楠. 软件. 2019(07)
[9]基于多源遥感数据的植物物种分类与识别:研究进展与展望[J]. 孔嘉鑫,张昭臣,张健. 生物多样性. 2019(07)
[10]祁连山森林健康保护与恢复措施[J]. 杨开恩. 热带农业工程. 2019(03)
博士论文
[1]中高分辨率遥感影像森林类型精细分类与森林资源变化监测技术研究[D]. 任冲.中国林业科学研究院 2016
[2]随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学 2012
硕士论文
[1]集成机器学习与面向对象影像分类的大区域林地信息提取及其泛化能力研究[D]. 陆海霞.兰州大学 2019
[2]基于多源数据的落叶松人工林识别研究[D]. 郭瑞霞.西安科技大学 2019
[3]模型决策树方法研究[D]. 尹儒.山西大学 2019
[4]基于SVDD特征选择的随机森林高分辨率遥感影像变化检测[D]. 刘波.兰州交通大学 2018
[5]基于多源数据的复杂种植结构区作物遥感分类[D]. 郭栋.东北农业大学 2017
[6]基于随机森林算法的高维不平衡数据分类研究及应用[D]. 杨浩宇.郑州大学 2017
[7]随机森林算法的优化改进研究[D]. 马骊.暨南大学 2016
[8]光学与雷达遥感数据联合反演森林生物量方法研究[D]. 林岳峰.电子科技大学 2016
[9]面向失衡数据集的集成学习分类方法及其应用研究[D]. 黄久玲.哈尔滨理工大学 2015
[10]基于ALOS数据的遥感森林分类研究[D]. 杨冉冉.首都师范大学 2013
本文编号：3211764
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3211764.html
教材专著
