對(duì)于松樹來說,松材線蟲�。˙ursaphelenchus xylophilus）的危害是致命的,情況嚴(yán)重時(shí)甚至?xí)輾窒到y(tǒng)原有的生態(tài)平衡。松樹占我國(guó)森林資源的25%,它的健康與林業(yè)的發(fā)展有著密切的聯(lián)系。松材線蟲病傳播速度快,致死率高,具有很大的防治難度�，F(xiàn)如今,對(duì)于松材線蟲病的識(shí)別與檢測(cè),國(guó)內(nèi)外專家學(xué)者并未給出很好的解決方法。雖然從航空錄像和衛(wèi)星遙感圖像中識(shí)別病蟲害能夠獲得不錯(cuò)的效果,但是依然存在成本較高和精確度不足的問題,導(dǎo)致在農(nóng)林病蟲害檢測(cè)領(lǐng)域的推廣應(yīng)用的效果并不理想。隨著直升機(jī)技術(shù)發(fā)展日趨成熟,其性能也得到了不斷地完善和提升,已在軍事和民用領(lǐng)域占據(jù)了相當(dāng)大的份額。以直升機(jī)為遙感平臺(tái),搭載多光譜傳感器采集遙感數(shù)據(jù)的解決方案,在森林防火、土地利用情況調(diào)查、煤礦資源勘測(cè)、環(huán)境保護(hù)等方面發(fā)揮著重要的作用。特別是我國(guó)近些年自然災(zāi)害的不斷爆發(fā),使得其在農(nóng)林病蟲害監(jiān)測(cè)的研究方面得到了相應(yīng)的發(fā)展。但是航拍遙感圖像數(shù)據(jù)量大,地物信息復(fù)雜,如何從如此龐大且復(fù)雜的遙感圖像中快速分析并準(zhǔn)確識(shí)別出病蟲害信息,是當(dāng)前松材線蟲病識(shí)別與檢測(cè)研究的最主要課題。本文以直升機(jī)搭載多光譜相機(jī),獲取待檢測(cè)林區(qū)的可見光和... 

【文章來源】：長(zhǎng)江大學(xué)湖北省

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第2章 遙感數(shù)據(jù)理論基礎(chǔ)
    2.1 遙感數(shù)據(jù)概述
    2.2 遙感圖像的分類方法
    2.3 遙感光譜圖像的監(jiān)督分類概述
    2.4 本章小結(jié)
第3章 研究區(qū)概況及遙感數(shù)據(jù)分析
    3.1 研究區(qū)概況
    3.2 ENVI軟件簡(jiǎn)介
    3.3 遙感數(shù)據(jù)預(yù)處理
    3.4 植被的光譜特征
    3.5 植被指數(shù)提取
    3.6 遙感圖像上的紋理特征
    3.7 利用ENVI分析紋理
    3.8 遙感圖像上的空間特征
    3.9 本章小結(jié)
第4章 基于ENVI的遙感圖像分類
    4.1 樣本選擇和可分離性計(jì)算
    4.2 基于支持向量機(jī)的遙感圖像分類
    4.3 分類后處理
    4.4 分類結(jié)果評(píng)價(jià)
    4.5 本章小結(jié)
第5章 基于規(guī)則的面向?qū)ο蠓诸?br>    5.1 面向?qū)ο蟮倪b感圖像分類
    5.2 C#結(jié)合GDAL組件處理遙感數(shù)據(jù)
    5.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]變色立木的無人機(jī)遙感監(jiān)測(cè)技術(shù)[J]. 武紅敢,王成波,常原飛.  中國(guó)森林病蟲. 2019(04)
[2]我國(guó)松材線蟲病疫區(qū)現(xiàn)狀及管理對(duì)策[J]. 李娟,姚翰文.  中國(guó)森林病蟲. 2019(03)
[3]基于航拍數(shù)據(jù)的松材線蟲病區(qū)域檢測(cè)[J]. 李豐毅,余光柱,陳憲超.  電腦知識(shí)與技術(shù). 2018(29)
[4]基于GDAL庫實(shí)現(xiàn)高分二號(hào)遙感影像融合質(zhì)量評(píng)價(jià)[J]. 徐鵬,胡吉平,譚衢霖,王斌.  測(cè)繪與空間地理信息. 2017(07)
[5]地物波譜數(shù)據(jù)庫建設(shè)進(jìn)展及應(yīng)用現(xiàn)狀[J]. 張瑩彤,肖青,聞建光,游冬琴,竇寶成,唐勇,彭實(shí).  遙感學(xué)報(bào). 2017(01)
[6]淺談植被指數(shù)的分類與應(yīng)用[J]. 沈夏炯,韓道軍,侯柏成,馬瑞.  計(jì)算機(jī)時(shí)代. 2016(12)
[7]基于ENVI的遙感圖像自動(dòng)解譯分類結(jié)果優(yōu)化[J]. 楊柯.  世界有色金屬. 2016(18)
[8]Landsat8影像在土地利用分類中的最佳波段組合研究——以湖北省恩施市為例[J]. 張金龍,常勝.  湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版). 2015(04)
[9]分析數(shù)據(jù)挖掘中決策樹算法及其應(yīng)用[J]. 戴艷麗.  科技傳播. 2015(23)
[10]基于GDAL的多類型遙感影像文件標(biāo)準(zhǔn)接口設(shè)計(jì)與實(shí)現(xiàn)[J]. 王亞楠,賴積保,周珂,劉云莉,羅曉麗.  河南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(06)

博士論文
[1]基于高光譜成像技術(shù)的茄子葉片色差值檢測(cè)和早疫病識(shí)別方法研究[D]. 謝傳奇.浙江大學(xué) 2015
[2]干旱地區(qū)稀疏植被覆蓋度高光譜遙感定量反演研究[D]. 李曉松.中國(guó)林業(yè)科學(xué)研究院 2008
[3]時(shí)空信息輔助下的高光譜數(shù)據(jù)挖掘[D]. 張兵.中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所） 2002

碩士論文
[1]基于光學(xué)遙感影像的特定目標(biāo)檢測(cè)及識(shí)別[D]. 洪韜.電子科技大學(xué) 2018
[2]土地利用景觀格局時(shí)空變化及驅(qū)動(dòng)力分析[D]. 張柏秀.成都理工大學(xué) 2018
[3]基于ENVI的遙感圖像特征分析及圖像分類[D]. 陳楠.山東大學(xué) 2017
[4]全色遙感影像地物信息自動(dòng)分類方法研究[D]. 高洋洋.長(zhǎng)春理工大學(xué) 2017
[5]基于不同生長(zhǎng)條件的南方草地生長(zhǎng)發(fā)育及高光譜遙感監(jiān)測(cè)[D]. 田婷.揚(yáng)州大學(xué) 2014
[6]基于遙感圖像的松材線蟲病區(qū)域檢測(cè)算法研究[D]. 吳瓊.安徽大學(xué) 2013
[7]面向?qū)ο笈c基于像素的高分辨率遙感影像分類在土地利用分類中的應(yīng)用比較[D]. 梁艷.太原理工大學(xué) 2012
[8]支持向量機(jī)遙感圖像分類的研究[D]. 梁懷翔.長(zhǎng)安大學(xué) 2011
[9]高光譜遙感圖像光譜特征提取與匹配技術(shù)研究[D]. 芶盛.成都理工大學(xué) 2011



本文編號(hào)：3029371