基于多源遥感数据的中国东北地区森林信息提取研究
发布时间：2021-11-13 07:35
森林是陆地面积最大的生态系统,调节着全球碳循环和水循环。森林资源作为重要的自然资源,其水平分布、垂直结构及蓄积量等信息是统计林业资源的基本研究对象。遥感技术具备高效率、低成本和大面积同步观测的优势,已逐渐发展成为森林信息资源调查的主要手段。随着卫星数据的不断丰富,利用合成孔径雷达SAR（Synthetic Aperture Radar）数据和光学遥感影像,可以实现从不同层面更为准确地提取森林结构信息。本文在总结国内外森林参数提取研究的基础上,选取吉林省长春市净月潭国家森林公园为实验区域,综合利用SAR数据和多光谱遥感数据进行森林信息提取研究,主要内容如下:（1）基于多维度极化合成孔径雷达PolSAR（Polarimetry SAR）的森林类型识别方法研究。以不同时相的高分三号（GF-3）和ALOS-1 PALSAR遥感影像为数据源,组合不同传感器、不同类型的SAR数据各自的优势,基于散射机制分解得到熵、散射角及各向异性度三个极化特征,然后基于灰度共生矩阵,提取出均值、方差及异质性三个纹理特征,将上述特征参数引入支持向量机（SVM）分类器中,综合运用多频段、多极化、多时相及纹理特征等多维...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
电磁波谱中的微波频段
第2章合成孔径雷达基本理论7第2章合成孔径雷达基本理论合成孔径雷达（SAR）是一种主动获取遥感影像的成像系统，可通过相对运动实现较大的合成孔径，不受天气光照等环境的影像，可实现全天候全天时的工作状态。SAR信号具有较强的穿透力，可用于探测地表信息和目标追踪，广泛应用于自然灾害监测、农林业、军事等领域。2.1SAR成像原理SAR可主动获取目标信息，如图2.1所示，工作频谱一般在P频段到Ka频段之间，属于微波范畴。SAR成像系统通常以飞行平台为载体，例如无人机、遥感卫星等，其发射的微波脉冲方向与航线轨迹相垂直，从而形成侧视观测几何，如图2.2所示，同时接收地表目标散射的电磁波信号，通过相关信号处理成一幅高分辨率遥感图像。图2.1电磁波谱中的微波频段图2.2条带模式下的SAR成像几何
第2章合成孔径雷达基本理论8单站SAR成像系统主要包含信号发射端和接收端，以及一副收发公用的天线。在图2.2中，SAR成像系统高度为H，移动速度为VSAR。天线飞行方向称为“方向位”（y），天线脉冲以入射角0斜射至地面。射线轴或雷达视线为“斜向距”（r）。天线脉冲照射在由“地距向”（x）和“方位向”（y）构成的地面条带上，称为“天线照射区”，其中天线照射方向与系统飞行方向相垂直。天线波束照射的范围称为“雷达幅宽”。天线照射区需要天线孔径(),xy进行定义：xyxyLL和(2.1)式中，xL和yL为天线的物理尺寸，λ是发射电磁波的波长。在图2.3和图2.4中，距离向宽度(X)和方位向宽度(Y)的近似表达式为：000Rcos2xMINMAXYRRRXL+=和Y，其中=(2.2)式中0R是雷达系统到成像区域中心处的空间距离。MINR和MAXR分别代表“近距”（离天底点最近的距离）及“远距”。图2.3高度与地距的侧面几何关系图图2.4高度与方位的侧面几何关系图2.2PolSAR基本原理2.2.1雷达方程与后向散射系数
【参考文献】：
期刊论文
[1]干涉、极化干涉SAR技术森林高度估测算法研究进展[J]. 张王菲,陈尔学,李增元,赵磊,姬永杰. 遥感技术与应用. 2017(06)
[2]基于Sentinel-2A岷江上游地表生物量反演与植被特征分析[J]. 杨斌,李丹,王磊,陈财. 科技导报. 2017(21)
[3]基于全极化SAR与多光谱的喀斯特山区农村林地提取[J]. 王平,周忠发,殷超. 中国农业资源与区划. 2017(07)
[4]基于支持向量机的Landsat-8影像森林类型识别研究[J]. 李梦颖,邢艳秋,刘美爽,王铮,姚松涛,曾旭婧,谢杰. 中南林业科技大学学报. 2017(04)
[5]林分平均高度卫星遥感新进展[J]. 董立新. 遥感技术与应用. 2016(05)
[6]基于多时相SAR数据和SPOT数据的盘古林场林分类型识别[J]. 李明泽,付瑜,于颖,范文义. 植物研究. 2016(04)
[7]多源数据林地类型的精细分类方法[J]. 任冲,鞠洪波,张怀清,黄建文,郑应选. 林业科学. 2016(06)
[8]基于PolInSAR森林高度反演研究[J]. 岳彩荣,肖虹雁,曹霸. 西南林业大学学报. 2016(03)
[9]光学影像纹理信息在林业领域的最新应用进展[J]. 陈玲,郝文乾,高德亮. 北京林业大学学报. 2015(03)
[10]基于TM遥感影像的森林类型分类方法比较[J]. 张淑芬,邢艳秋,艾合买提江·阿不都艾尼,孙小添. 森林工程. 2014(01)
博士论文
[1]多源遥感数据测绘应用关键技术研究[D]. 芮杰.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于半监督和集成学习的不平衡数据特征选择和分类[D]. 房晓南.山东师范大学 2016
[3]基于GLAS和MISR数据的森林冠层高度和地上生物量遥感估算研究[D]. 吴迪.东北林业大学 2015
[4]极化干涉SAR层析估测森林垂直结构参数方法研究[D]. 李文梅.中国林业科学研究院 2013
[5]基于激光雷达与多光谱遥感数据的森林地上生物量反演研究[D]. 汤旭光.中国科学院研究生院(东北地理与农业生态研究所) 2013
[6]森林地上生物量的非参数化遥感估测方法优化[D]. 郭颖.中国林业科学研究院 2011
[7]基于极化干涉SAR的森林结构信息提取模型与方法[D]. 罗环敏.电子科技大学 2011
[8]面向植被识别的SAR图像分类方法研究[D]. 凌飞龙.中国林业科学研究院 2010
硕士论文
[1]面向林业小班的坡度、坡向及坡位提取算法研究[D]. 陈晨.浙江农林大学 2019
[2]基于高分三号SAR影像的目标地物特征提取方法研究[D]. 郝宇珊.哈尔滨师范大学 2019
[3]基于Sentinel-2影像数据的毛竹林生物量估测[D]. 陈瑜云.浙江农林大学 2019
[4]极化SAR数据分解模型研究[D]. 郑伟伟.西安电子科技大学 2017
[5]基于合成孔径雷达的地表参数及森林树高反演[D]. 罗雪莲.电子科技大学 2017
[6]基于微波遥感数据的森林参数反演[D]. 李慧敏.电子科技大学 2017
[7]基于雷达数据的天山云杉林郁闭度信息提取[D]. 姚国慧.新疆农业大学 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]极化SAR图像特征提取与分类方法研究[D]. 姜媛.电子科技大学 2016
[10]融合多源遥感数据的森林生物量估算研究[D]. 张耀.中南林业科技大学 2015
本文编号：3492617
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
电磁波谱中的微波频段
第2章合成孔径雷达基本理论7第2章合成孔径雷达基本理论合成孔径雷达（SAR）是一种主动获取遥感影像的成像系统，可通过相对运动实现较大的合成孔径，不受天气光照等环境的影像，可实现全天候全天时的工作状态。SAR信号具有较强的穿透力，可用于探测地表信息和目标追踪，广泛应用于自然灾害监测、农林业、军事等领域。2.1SAR成像原理SAR可主动获取目标信息，如图2.1所示，工作频谱一般在P频段到Ka频段之间，属于微波范畴。SAR成像系统通常以飞行平台为载体，例如无人机、遥感卫星等，其发射的微波脉冲方向与航线轨迹相垂直，从而形成侧视观测几何，如图2.2所示，同时接收地表目标散射的电磁波信号，通过相关信号处理成一幅高分辨率遥感图像。图2.1电磁波谱中的微波频段图2.2条带模式下的SAR成像几何
第2章合成孔径雷达基本理论8单站SAR成像系统主要包含信号发射端和接收端，以及一副收发公用的天线。在图2.2中，SAR成像系统高度为H，移动速度为VSAR。天线飞行方向称为“方向位”（y），天线脉冲以入射角0斜射至地面。射线轴或雷达视线为“斜向距”（r）。天线脉冲照射在由“地距向”（x）和“方位向”（y）构成的地面条带上，称为“天线照射区”，其中天线照射方向与系统飞行方向相垂直。天线波束照射的范围称为“雷达幅宽”。天线照射区需要天线孔径(),xy进行定义：xyxyLL和(2.1)式中，xL和yL为天线的物理尺寸，λ是发射电磁波的波长。在图2.3和图2.4中，距离向宽度(X)和方位向宽度(Y)的近似表达式为：000Rcos2xMINMAXYRRRXL+=和Y，其中=(2.2)式中0R是雷达系统到成像区域中心处的空间距离。MINR和MAXR分别代表“近距”（离天底点最近的距离）及“远距”。图2.3高度与地距的侧面几何关系图图2.4高度与方位的侧面几何关系图2.2PolSAR基本原理2.2.1雷达方程与后向散射系数
【参考文献】：
期刊论文
[1]干涉、极化干涉SAR技术森林高度估测算法研究进展[J]. 张王菲,陈尔学,李增元,赵磊,姬永杰. 遥感技术与应用. 2017(06)
[2]基于Sentinel-2A岷江上游地表生物量反演与植被特征分析[J]. 杨斌,李丹,王磊,陈财. 科技导报. 2017(21)
[3]基于全极化SAR与多光谱的喀斯特山区农村林地提取[J]. 王平,周忠发,殷超. 中国农业资源与区划. 2017(07)
[4]基于支持向量机的Landsat-8影像森林类型识别研究[J]. 李梦颖,邢艳秋,刘美爽,王铮,姚松涛,曾旭婧,谢杰. 中南林业科技大学学报. 2017(04)
[5]林分平均高度卫星遥感新进展[J]. 董立新. 遥感技术与应用. 2016(05)
[6]基于多时相SAR数据和SPOT数据的盘古林场林分类型识别[J]. 李明泽,付瑜,于颖,范文义. 植物研究. 2016(04)
[7]多源数据林地类型的精细分类方法[J]. 任冲,鞠洪波,张怀清,黄建文,郑应选. 林业科学. 2016(06)
[8]基于PolInSAR森林高度反演研究[J]. 岳彩荣,肖虹雁,曹霸. 西南林业大学学报. 2016(03)
[9]光学影像纹理信息在林业领域的最新应用进展[J]. 陈玲,郝文乾,高德亮. 北京林业大学学报. 2015(03)
[10]基于TM遥感影像的森林类型分类方法比较[J]. 张淑芬,邢艳秋,艾合买提江·阿不都艾尼,孙小添. 森林工程. 2014(01)
博士论文
[1]多源遥感数据测绘应用关键技术研究[D]. 芮杰.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于半监督和集成学习的不平衡数据特征选择和分类[D]. 房晓南.山东师范大学 2016
[3]基于GLAS和MISR数据的森林冠层高度和地上生物量遥感估算研究[D]. 吴迪.东北林业大学 2015
[4]极化干涉SAR层析估测森林垂直结构参数方法研究[D]. 李文梅.中国林业科学研究院 2013
[5]基于激光雷达与多光谱遥感数据的森林地上生物量反演研究[D]. 汤旭光.中国科学院研究生院(东北地理与农业生态研究所) 2013
[6]森林地上生物量的非参数化遥感估测方法优化[D]. 郭颖.中国林业科学研究院 2011
[7]基于极化干涉SAR的森林结构信息提取模型与方法[D]. 罗环敏.电子科技大学 2011
[8]面向植被识别的SAR图像分类方法研究[D]. 凌飞龙.中国林业科学研究院 2010
硕士论文
[1]面向林业小班的坡度、坡向及坡位提取算法研究[D]. 陈晨.浙江农林大学 2019
[2]基于高分三号SAR影像的目标地物特征提取方法研究[D]. 郝宇珊.哈尔滨师范大学 2019
[3]基于Sentinel-2影像数据的毛竹林生物量估测[D]. 陈瑜云.浙江农林大学 2019
[4]极化SAR数据分解模型研究[D]. 郑伟伟.西安电子科技大学 2017
[5]基于合成孔径雷达的地表参数及森林树高反演[D]. 罗雪莲.电子科技大学 2017
[6]基于微波遥感数据的森林参数反演[D]. 李慧敏.电子科技大学 2017
[7]基于雷达数据的天山云杉林郁闭度信息提取[D]. 姚国慧.新疆农业大学 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]极化SAR图像特征提取与分类方法研究[D]. 姜媛.电子科技大学 2016
[10]融合多源遥感数据的森林生物量估算研究[D]. 张耀.中南林业科技大学 2015
本文编号：3492617
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3492617.html
教材专著
