森林植被是構(gòu)成森林資源的主體,準(zhǔn)確識(shí)別森林植被的類(lèi)型可以為森林資源研究和利用奠定基礎(chǔ)。隨著遙感技術(shù)的發(fā)展,高空間分辨率數(shù)據(jù)的出現(xiàn)使得樹(shù)種分類(lèi)已經(jīng)可行。然而,傳統(tǒng)的光學(xué)遙感僅能描述地物的水平格局,對(duì)于單木樹(shù)種識(shí)別存在很大困難。激光雷達(dá)（light detection and ranging,LiDAR）在單木樹(shù)種分類(lèi)中具有巨大的潛力和優(yōu)勢(shì)。本研究以東北林業(yè)大學(xué)帽兒山實(shí)驗(yàn)林場(chǎng)中林施業(yè)區(qū)的兩塊1O0m×1OOm方形樣地為研究對(duì)象。首先,對(duì)LiDAR數(shù)據(jù)進(jìn)行預(yù)處理,得到冠層高度模型（canopy height model,CHM）,然后對(duì)原始的CHM進(jìn)行優(yōu)化;之后使用基于區(qū)域截面分析法（region-based hierarchical cross-section analysis,RHCSA）進(jìn)行單木樹(shù)冠分割,然后進(jìn)行精度檢驗(yàn)并得到1對(duì)1匹配樹(shù)冠;再以多光譜遙感CCD（charge coupled device）影像和機(jī)載LiDAR為數(shù)據(jù)源,分別基于CCD影像提取光譜特征和紋理共21個(gè)特征,基于機(jī)載LiDAR數(shù)據(jù)提取高度、強(qiáng)度和樹(shù)冠大小共34個(gè)特征;然后使用隨機(jī)森林方法進(jìn)行特征篩選,得到優(yōu)化... 

【文章來(lái)源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 遙感數(shù)據(jù)源
        1.2.2 分類(lèi)方法
    1.3 研究?jī)?nèi)容和技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 組織結(jié)構(gòu)
2 研究區(qū)域概況與數(shù)據(jù)
    2.1 研究區(qū)域概況
        2.1.1 氣候概況
        2.1.2 地形地貌
        2.1.3 森林資源概況
    2.2 數(shù)據(jù)來(lái)源與數(shù)據(jù)預(yù)處理
        2.2.1 遙感影像數(shù)據(jù)
        2.2.2 地面參考數(shù)據(jù)獲取
        2.2.3 數(shù)據(jù)預(yù)處理
    2.3 本章小結(jié)
3 研究方法
    3.1 確定分類(lèi)系統(tǒng)
    3.2 單木樹(shù)冠分割
        3.2.1 CHM優(yōu)化
        3.2.2 單木樹(shù)冠分割
    3.3 單木樹(shù)種分類(lèi)
        3.3.1 對(duì)象特征提取和篩選
        3.3.2 分類(lèi)器選擇
        3.3.3 分類(lèi)方案
        3.3.4 精度檢驗(yàn)
    3.4 本章小結(jié)
4 結(jié)果與分析
    4.1 單木樹(shù)冠分割結(jié)果
        4.1.1 CHM優(yōu)化結(jié)果
        4.1.2 單木樹(shù)冠分割結(jié)果
    4.2 單木樹(shù)種分類(lèi)結(jié)果
        4.2.1 隨機(jī)森林特征篩選結(jié)果
        4.2.2 特征重要性
        4.2.3 多源遙感數(shù)據(jù)在分類(lèi)中的作用
    4.3 本章小結(jié)
結(jié)論與討論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]遙感影像地物分類(lèi)識(shí)別的研究與實(shí)現(xiàn)[J]. 俞穎,張益強(qiáng),李紹偉.  信息通信. 2017(06)
[2]基于Landsat 8 OLI輔助的亞米級(jí)遙感影像樹(shù)種識(shí)別[J]. 魏晶昱,毛學(xué)剛,方本煜,包曉建,許振宇.  北京林業(yè)大學(xué)學(xué)報(bào). 2016(11)
[3]基于面向?qū)ο蟮馁Y源3號(hào)遙感影像森林分類(lèi)研究[J]. 董心玉,范文義,田甜.  浙江農(nóng)林大學(xué)學(xué)報(bào). 2016(05)
[4]基于離散點(diǎn)云數(shù)據(jù)的森林冠層高度模型插值方法[J]. 段祝庚,肖化順,袁偉湘.  林業(yè)科學(xué). 2016(09)
[5]機(jī)載LiDAR和高光譜融合實(shí)現(xiàn)普洱山區(qū)樹(shù)種分類(lèi)[J]. 劉怡君,龐勇,廖聲熙,莢文,陳博偉,劉魯霞.  林業(yè)科學(xué)研究. 2016(03)
[6]面向?qū)ο蟮膬?yōu)勢(shì)樹(shù)種類(lèi)型信息提取技術(shù)[J]. 田甜,范文義,盧偉,肖湘.  應(yīng)用生態(tài)學(xué)報(bào). 2015(06)
[7]基于局域最大值法單木位置探測(cè)的適宜模型研究[J]. 李響,甄貞,趙穎慧.  北京林業(yè)大學(xué)學(xué)報(bào). 2015(03)
[8]機(jī)載激光LiDAR原理及應(yīng)用[J]. 李雪松.  測(cè)繪與空間地理信息. 2015(02)
[9]機(jī)載LiDAR和高光譜融合實(shí)現(xiàn)溫帶天然林樹(shù)種識(shí)別[J]. 劉麗娟,龐勇,范文義,李增元,張登榮,李明澤.  遙感學(xué)報(bào). 2013(03)
[10]遙感影像分類(lèi)方法研究進(jìn)展[J]. 賈坤,李強(qiáng)子,田亦陳,吳炳方.  光譜學(xué)與光譜分析. 2011(10)

博士論文
[1]基于激光雷達(dá)與多光譜遙感數(shù)據(jù)的森林地上生物量反演研究[D]. 湯旭光.中國(guó)科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所) 2013

碩士論文
[1]面向?qū)ο蟮纳种脖活?lèi)型信息提取技術(shù)[D]. 田甜.東北林業(yè)大學(xué) 2015
[2]高分辨率遙感影像典型地物目標(biāo)的特征選擇及其穩(wěn)定性研究[D]. 季金勝.上海交通大學(xué) 2015
[3]高分辨率遙感影像多尺度分類(lèi)方法研究[D]. 張博.電子科技大學(xué) 2013



本文編號(hào)：2895202