隨著國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)的增多,越來(lái)越多的遙感數(shù)據(jù)被應(yīng)用在森林調(diào)查、森林管理、森林變化檢測(cè)等實(shí)際生產(chǎn)應(yīng)用中。高分一號(hào)（GF-1）衛(wèi)星數(shù)據(jù)在森林信息方面提取方面已取得一定成果,但在光譜信息僅含4個(gè)光譜波段,對(duì)于在森林信息提取上的研究仍受到一定的限制。在2018年6月,國(guó)內(nèi)發(fā)射了首顆寬視場(chǎng)、攜帶紅邊、黃邊的多光譜衛(wèi)星數(shù)據(jù)-高分六號(hào)（GF-6）,為挖掘林地與非林地識(shí)別快速提取提供了難得機(jī)遇。本研究基于國(guó)家高分辨率對(duì)地觀測(cè)系統(tǒng)重大專項(xiàng)應(yīng)用共性關(guān)鍵技術(shù)項(xiàng)目,結(jié)合國(guó)家林地“一張圖”數(shù)據(jù),選取天水市、黃山市、宜昌市、普洱市、承德市、本溪市、防城港七個(gè)地級(jí)市作為研究區(qū)。首先,通過(guò)面積一致性、空間一致性評(píng)價(jià)對(duì)3個(gè)全球森林產(chǎn)品數(shù)據(jù)在中國(guó)的可靠性進(jìn)行了評(píng)估;然后,根據(jù)森林產(chǎn)品數(shù)據(jù)差異性以及森林資源分布選擇黃山市、天水市作為重點(diǎn)GF-6研究區(qū),結(jié)合機(jī)器學(xué)習(xí)分類方法在分類精度上,計(jì)算效率較好的優(yōu)勢(shì),選擇K近鄰（KNN）、樸素貝葉斯（NB）、CART決策樹(shù)（CART）、支持向量機(jī)（SVM）、隨機(jī)森林（RF）5種機(jī)器學(xué)習(xí)分類方法,通過(guò)不同方案比較,挖掘GF-6新增波段、時(shí)相等特征在林地上的分類潛力。最后,利用基于模型和... 

【文章來(lái)源】：貴州師范大學(xué)貴州省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

七個(gè)典型研究區(qū)分布圖

貴州師范大學(xué)碩士學(xué)位論文10山、丘陵、平原等組成。其中，西部山地、中部丘陵、東部平原分別約占全市面積的69%、21%、10%，俗稱“七山二丘一分平”[33]。宜昌森林覆蓋率達(dá)65.16%，主要森林類型有馬尾松純林、柏木林、杉櫟或者松櫟混交林及經(jīng)濟(jì)林（火棘、柑橘）、灌叢等。2.2基于GF-6WFV數(shù)據(jù)林地提取技術(shù)研究區(qū)域由于北方與南方區(qū)域在林地類型、覆蓋度、海拔分布等特征上差異較大，這里僅選擇甘肅省天水市作為典型北方研究區(qū)，安徽省黃山市作為南方典型區(qū)域。其中兩研究區(qū)地理空間位置如圖2中D、F位置，黃山與天水研究區(qū)高程分布如圖3、圖4所示。圖3黃山市研究區(qū)高程圖Fig3ElevationmapofHuangshanResearchDistrict圖4天水市研究區(qū)高程圖Fig4ElevationmapofTianshuiResearchDistrict

貴州師范大學(xué)碩士學(xué)位論文10山、丘陵、平原等組成。其中，西部山地、中部丘陵、東部平原分別約占全市面積的69%、21%、10%，俗稱“七山二丘一分平”[33]。宜昌森林覆蓋率達(dá)65.16%，主要森林類型有馬尾松純林、柏木林、杉櫟或者松櫟混交林及經(jīng)濟(jì)林（火棘、柑橘）、灌叢等。2.2基于GF-6WFV數(shù)據(jù)林地提取技術(shù)研究區(qū)域由于北方與南方區(qū)域在林地類型、覆蓋度、海拔分布等特征上差異較大，這里僅選擇甘肅省天水市作為典型北方研究區(qū)，安徽省黃山市作為南方典型區(qū)域。其中兩研究區(qū)地理空間位置如圖2中D、F位置，黃山與天水研究區(qū)高程分布如圖3、圖4所示。圖3黃山市研究區(qū)高程圖Fig3ElevationmapofHuangshanResearchDistrict圖4天水市研究區(qū)高程圖Fig4ElevationmapofTianshuiResearchDistrict

【參考文獻(xiàn)】：
期刊論文
[1]基于GEE平臺(tái)廣西桉樹(shù)快速提取研究[J]. 盧獻(xiàn)健,黃俞惠,晏紅波,周呂,吳宸龍,周斌,羅樂(lè).  林業(yè)資源管理. 2019(05)
[2]全球海岸帶多源土地利用/覆蓋遙感分類產(chǎn)品一致性分析[J]. 侯婉,侯西勇.  地球信息科學(xué)學(xué)報(bào). 2019(07)
[3]森林類型遙感分類及變化監(jiān)測(cè)研究進(jìn)展[J]. 顏偉,周雯,易利龍,田昕.  遙感技術(shù)與應(yīng)用. 2019(03)
[4]Worldview-2樹(shù)種分類T&N波段優(yōu)勢(shì)分析[J]. 劉懷鵬,安慧君.  西部林業(yè)科學(xué). 2019(03)
[5]Stable classi?cation with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017[J]. Peng Gong,Han Liu,Meinan Zhang,Congcong Li,Jie Wang,Huabing Huang,Nicholas Clinton,Luyan Ji,Wenyu Li,Yuqi Bai,Bin Chen,Bing Xu,Zhiliang Zhu,Cui Yuan,Hoi Ping Suen,Jing Guo,Nan Xu,Weijia Li,Yuanyuan Zhao,Jun Yang,Chaoqing Yu,Xi Wang,Haohuan Fu,Le Yu,Iryna Dronova,Fengming Hui,Xiao Cheng,Xueli Shi,Fengjin Xiao,Qiufeng Liu,Lianchun Song.  Science Bulletin. 2019(06)
[6]基于隨機(jī)森林特征選擇的城市綠化喬木樹(shù)種分類[J]. 溫小樂(lè),鐘奧,胡秀娟.  地球信息科學(xué)學(xué)報(bào). 2018(12)
[7]C5.0決策樹(shù)Hyperion影像森林類型精細(xì)分類方法[J]. 王懷警,譚炳香,房秀鳳,李世明,李太興.  浙江農(nóng)林大學(xué)學(xué)報(bào). 2018(04)
[8]基于GF-1 WFV和Landsat-8 OLI提取植被信息方法比較研究[J]. 楊斌,高桂勝,王磊,程璐.  測(cè)繪工程. 2018(08)
[9]基于穩(wěn)定像元的決策樹(shù)分類后比較法在林地變化檢測(cè)中的應(yīng)用[J]. 龐博,王浩,寧曉剛.  生態(tài)學(xué)雜志. 2018(09)
[10]全國(guó)林地“一張圖”遙感影像數(shù)據(jù)服務(wù)系統(tǒng)建設(shè)[J]. 任怡,鄭冬梅.  科技創(chuàng)新導(dǎo)報(bào). 2018(18)

博士論文
[1]基于高分一/六號(hào)衛(wèi)星影像特征的農(nóng)作物分類研究[D]. 鄭利娟.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017
[2]中高分辨率遙感影像森林類型精細(xì)分類與森林資源變化監(jiān)測(cè)技術(shù)研究[D]. 任沖.中國(guó)林業(yè)科學(xué)研究院 2016
[3]高分辨率遙感森林植被分類提取研究[D]. 李偉濤.北京林業(yè)大學(xué) 2016
[4]支持向量機(jī)分類與回歸方法研究[D]. 孫德山.中南大學(xué) 2004

碩士論文
[1]基于GF-1多光譜影像的林地變化檢測(cè)方法研究[D]. 郝榮欣.西安科技大學(xué) 2016
[2]基于非監(jiān)督分類與決策樹(shù)相結(jié)合的30m分辨率土地利用遙感反演研究[D]. 王瀚征.河北師范大學(xué) 2016



本文編號(hào)：3606228