【摘要】：本文通過結(jié)合遙感技術(shù)以及地理信息系統(tǒng)技術(shù),以北京市朝陽區(qū)奧林匹克森林公園為研究對象,利用高分影像對該地區(qū)的森林植被進行了分類,提取了針葉林、闊葉林等,并以此進行了三維綠量遙感反演,結(jié)合實地調(diào)查的真實數(shù)據(jù),計算出了該地區(qū)的三維綠量。論文中對2016年8月份北京市朝陽區(qū)奧林匹克森林公園的高分2號影像進行了植被信息的提取和分類,結(jié)合地面樣地實際調(diào)查數(shù)據(jù),采用多元回歸分析方式建立了目標區(qū)域的三維綠量遙感反演模型,并通過模型對朝陽區(qū)奧林匹克森林公園進行了三維綠量的估算,建立了朝陽區(qū)的綠量分布專題圖,本文研究主要的研究成果如下:(1)基于2016年3月份、6月份以及8月份的高分2號影像以及2016年8月份的landsat 8影像,結(jié)合2016年9、10月份的實地調(diào)查獲取的每木檢尺數(shù)據(jù),利用抽樣和主成分分析方法,對目標區(qū)域進行了遙感估測,分別得到基于高分2號影像的闊葉林和針葉林的反演回歸模型,利用用于驗證的剩余樣方數(shù)據(jù)進行驗證,其精度分別為85.03%和80.40%,結(jié)合國內(nèi)外已有經(jīng)驗,模型精度達到80%即符合要求,因此模型滿足需求。(2)通過對園區(qū)的針葉林和闊葉林分別建立的模型以及利用高分影像進行的植被分類信息,經(jīng)過計算得出奧林匹克森林公園內(nèi)闊葉林的三維綠量總和為506899.34 m~3,針葉林的三維綠量總和為215928.47m~3,由此得到北京市奧林匹克公園的總?cè)S綠量為722827.81 m~3,同時得出南北園的植被分布狀態(tài),即南園進行了大量的人工干預(yù),而北園地區(qū)存在開發(fā)空間。(3)本研究通過利用植被生態(tài)評價中的2個重要的因子即生態(tài)固碳和空氣凈化,對奧林匹克公園進行生態(tài)效益評價得到了該園區(qū)的固碳效果和空氣凈化效果,經(jīng)過換算得出其對于對于減少空氣中的二氧化碳和PM10具有較好的效果,其生態(tài)效果分別為117.8萬元和125.4萬元。
[Abstract]:In this paper, the forest vegetation in Chaoyang District of Beijing was classified by using high score image and the coniferous forest and broad-leaved forest were extracted by combining remote sensing technology and geographic information system technology, taking the Olympic Forest Park in Chaoyang District of Beijing as the research object. The 3D green quantity is retrieved by remote sensing and the real data of the field survey are used to calculate the 3D green quantity in this area. In this paper, the vegetation information is extracted and classified from the No. 2 image of the Olympic Forest Park in Chaoyang District, Beijing in August 2016. By using multivariate regression analysis, the 3D green quantity inversion model of the target area is established, and the three-dimensional green quantity estimation of the Olympic Forest Park in Chaoyang District is carried out through the model, and the thematic map of the distribution of green quantity in Chaoyang District is established. The main results of this study are as follows: (1) based on the high score 2 images in March, June and August 2016 and the landsat 8 image in August 2016, combined with the field survey in September and October 2016, By using the method of sampling and principal component analysis, the target area was estimated by remote sensing, and the inversion regression models of broad-leaved forest and coniferous forest based on high-score 2 image were obtained, respectively, and the residual sample data used for verification were used to verify the regression model of broad-leaved forest and coniferous forest. The accuracy of the model is 85.03% and 80.40% respectively. Therefore, the model can meet the demand. (2) the model of coniferous forest and broad-leaved forest in the park and the vegetation classification information based on high-score image are established separately. The total three dimensional green quantity of the broad-leaved forest in the Olympic Forest Park is 506899.34 mm2 and that of the coniferous forest is 215928.47 mm3, and the total three-dimensional green quantity of the Olympic Park in Beijing is 722827.81 mm3. At the same time, the vegetation distribution state of the north and south orchard is obtained, that is, the south garden has carried out a lot of artificial intervention, but there is space for development in the north garden area. (3) in this study, two important factors in vegetation ecological evaluation, namely, ecological carbon sequestration and air purification, are used. The carbon sequestration effect and air purification effect of the Olympic Park are obtained by ecological benefit evaluation. It is concluded that the Olympic Park has a better effect on reducing carbon dioxide and PM10 in the air by conversion. The ecological effects were 1.178 million yuan and 1.254 million yuan respectively.
【學位授予單位】：中國地質(zhì)大學(北京)
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P237

【相似文獻】

相關(guān)期刊論文 前10條

1 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學技術(shù)大學學報;2010年02期

2 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

3 何艷陽,王景熙,羅渝蘭,屈冰;生物仿真神經(jīng)網(wǎng)絡(luò)圖像分割方法中的參數(shù)自動確定[J];四川師范大學學報(自然科學版);2001年02期

4 魏弘博,呂振肅,蔣田仔,劉新艷;圖像分割技術(shù)縱覽[J];甘肅科學學報;2004年02期

5 彭仁明;基于彩色的印鑒圖像分割技術(shù)[J];甘肅科技;2005年09期

6 曹建農(nóng);方丹霞;;基于圖論的圖像分割方法及其局限性研究[J];測繪技術(shù)裝備;2006年02期

7 張曉萌;付燕;;圖像分割技術(shù)研究[J];科技情報開發(fā)與經(jīng)濟;2007年18期

8 蔣海軍;劉文;劉朝暉;;基于回形窗的弱小多目標圖像分割方法[J];光子學報;2007年11期

9 張?zhí)?周翔鳳;王希常;;一種利用圖進行圖像分割的高效方法[J];山東師范大學學報(自然科學版);2008年02期

10 鄭肇葆;;Cognitive Agent在圖像分割中應(yīng)用的研究[J];武漢大學學報(信息科學版);2008年07期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學應(yīng)用[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術(shù)論壇（交通運輸工程學科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進展[A];中華中醫(yī)藥學會中醫(yī)診斷學分會第十次學術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學CT中的應(yīng)用[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)重要報紙文章 前10條

1 劉萬平;購房者要警惕開發(fā)商的森林公園騙局[N];中國綠色時報;2004年

2 ;安徽省森林公園管理條例[N];安徽日報;2006年

3 本報記者 李凌翌;城區(qū)森林公園面積最少要達50畝[N];成都日報;2007年

4 田宜龍;我省新增三處國家級森林公園[N];河南日報;2007年

5 通訊員 呂宣強邋孫麗 記者 李衛(wèi);上壩河森林公園升級國家級森林公園[N];陜西日報;2007年

6 記者　劉偉;深圳將新建11個森林公園[N];深圳特區(qū)報;2006年

7 張立平;森林公園扮美秀色津城[N];天津日報;2006年

8 記者 關(guān)鍵邋通訊員 吳土亮 實習生 韓子;深圳投10億建10座森林公園[N];深圳商報;2007年

9 本報記者 李凌翌;看！市級森林公園亮出“身份證”[N];成都日報;2008年

10 彭紅霞邋劉艷霞 鄧國庭 羅雪雁 張旭雯;森林公園要避免“商業(yè)污染”[N];廣東建設(shè)報;2008年

相關(guān)博士學位論文 前10條

1 闞酉潯;基于多源測量數(shù)據(jù)融合的三維實景重建技術(shù)研究[D];中國地質(zhì)大學;2017年

2 李軍;三維封裝電磁干擾的分析與防護設(shè)計[D];浙江大學;2017年

3 柴蒙磊;基于單幅圖像的三維發(fā)型建模技術(shù)及其應(yīng)用[D];浙江大學;2017年

4 鐘承勇;三維碳網(wǎng)絡(luò)中的電子性質(zhì)及拓撲效應(yīng)[D];湘潭大學;2017年

5 張季一;基于幾何代數(shù)的三維地籍空間數(shù)據(jù)模型研究[D];中國礦業(yè)大學;2016年

6 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學;2014年

7 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學;2015年

8 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學;2014年

9 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學;2014年

10 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學;2013年

相關(guān)碩士學位論文 前10條

1 孫營偉;基于高分2號遙感數(shù)據(jù)的三維綠量估算模型研究[D];中國地質(zhì)大學(北京);2017年

2 吳豪杰;清oi河水質(zhì)三維仿真系統(tǒng)設(shè)計與實現(xiàn)[D];鄭州大學;2017年

3 陳驊;三維古建筑場景仿真研究[D];西安科技大學;2017年

4 李旭光;基于免疫反應(yīng)調(diào)控細胞在生物材料中的三維遷移行為[D];浙江大學;2017年

5 王聰聰;手機上的交互式圖像分割方法研究[D];華中科技大學;2013年

6 廖小波;基于貝葉斯最優(yōu)統(tǒng)計的圖切法圖像分割研究[D];昆明理工大學;2015年

7 姜士輝;基于Android系統(tǒng)的立木圖像分割方法研究[D];東北林業(yè)大學;2015年

8 路亞緹;基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D];鄭州大學;2015年

9 劉超;基于閾值圖像分割的研究及在蘋果定位中的應(yīng)用[D];東華理工大學;2015年

10 何妮;結(jié)合顯著性目標檢測與圖像分割的服飾提取算法研究及實現(xiàn)[D];西南交通大學;2015年

，

本文編號：2311619