落葉松是我國(guó)大部分林區(qū)常見(jiàn)的一種寒溫帶及溫帶樹(shù)種,不僅天然分布廣,且具有速生、材質(zhì)好、抗性強(qiáng)、適應(yīng)性廣等特點(diǎn),已成為我國(guó)北方主要的造林樹(shù)種,落葉松人工林能夠在一定程度上減輕對(duì)天然林木材供給需求的壓力,隨著我國(guó)林業(yè)重點(diǎn)工程建設(shè)的穩(wěn)步推進(jìn),落葉松人工林信息提取已成為落葉松研究領(lǐng)域一項(xiàng)新的需求。如何利用遙感手段快速獲取我國(guó)落葉松人工林的空間位置分布信息,對(duì)掌握區(qū)域落葉松人工林空間分布狀況,促進(jìn)落葉松人工林合理種植,提升我國(guó)落葉松人工林資源培育和管理水平并實(shí)現(xiàn)可持續(xù)經(jīng)營(yíng)具有重要的理論價(jià)值和現(xiàn)實(shí)意義。本文以黑龍江省佳木斯市孟家崗林場(chǎng)的落葉松人工林為研究對(duì)象,利用Landsat 8、GF-1遙感影像和DEM模型,結(jié)合地面樣地和森林資源二類(lèi)調(diào)查小班資料,通過(guò)特征空間與分類(lèi)器的選擇,進(jìn)行森林類(lèi)別提取實(shí)驗(yàn),研究針對(duì)落葉松人工林信息提取的理論和方法,以期高精度提取落葉松人工林空間位置分布。本文主要研究?jī)?nèi)容和結(jié)論如下:（1）研究通過(guò)優(yōu)選時(shí)相特征、比值特征、紋理特征,結(jié)合地形因子,構(gòu)建落葉松人工林分類(lèi)特征庫(kù),探討多特征融合數(shù)據(jù)對(duì)落葉松人工林的提取效果。研究結(jié)果表明,落葉松人工林的信息提取受數(shù)據(jù)源特征信息量的影... 

【文章來(lái)源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究區(qū)位置示意圖

和 6 景 GF-1 影像作為遙感數(shù)據(jù)源，其中 Landsat8 影像下載于地理空間數(shù)據(jù)云，GF-1 影像下載自中國(guó)資源衛(wèi)星應(yīng)用中心，其具體信息見(jiàn)表 2.1，遙感影像如圖 2.2、2.3 示。表 2.1 遙感影像數(shù)據(jù)源信息衛(wèi)星 傳感器類(lèi)型 采集時(shí)間 云量 所屬季節(jié)Landsat8 OLI_TIRS 2017.06.16 1.02% 初夏Landsat8 OLI_TIRS 2017.08.19 2.07% 中秋L(fēng)andsat8 OLI_TIRS 2017.10.22 0.07% 深秋GF-1 PMS1 2017.05.02 0% 春GF-1 PMS1 2017.05.02 0% 春GF-1 PMS1 2017.07.06 3% 中夏GF-1 PMS1 2017.07.06 1% 中夏GF-1 PMS1 2017.10.25 0% 深秋GF-1 PMS1 2017.10.25 0% 深秋

（a）2017 年 5 月 2 日 （b）2017 年 7 月 6 日 （c）2017 年 10 月 25 日?qǐng)D 2.3 試驗(yàn)區(qū) GF-1 影像2.2.2 輔助數(shù)據(jù)用于研究的輔助數(shù)據(jù)包括研究區(qū)的 2014 年全國(guó)森林資源二類(lèi)調(diào)查小班數(shù)據(jù)，2017年 6 月、9 月樣地補(bǔ)充調(diào)查數(shù)據(jù)以及 30m 分辨率的 DEM 高程數(shù)據(jù)。森林資源二類(lèi)調(diào)查數(shù)據(jù)作為輔助數(shù)據(jù)能客觀反映研究時(shí)段內(nèi)地表真實(shí)狀況和森林資源狀況，可得到研究區(qū)內(nèi)不同優(yōu)勢(shì)樹(shù)種以及各齡級(jí)林分的比例關(guān)系，可作為本文遙感數(shù)據(jù)落葉松人工林分類(lèi)研究的輔助信息[36]。研究區(qū)二類(lèi)調(diào)查小班數(shù)據(jù)如圖 2.4 示。調(diào)查因子主要有地類(lèi)、齡組、樹(shù)種、優(yōu)勢(shì)樹(shù)種、優(yōu)勢(shì)樹(shù)種組、土壤、郁閉度等。

【參考文獻(xiàn)】：
期刊論文
[1]高分遙感林業(yè)應(yīng)用研究[J]. 李增元,覃先林,高志海,鄧廣,陳爾學(xué).  衛(wèi)星應(yīng)用. 2018(11)
[2]基于多源遙感的森林地上生物量KNN-FIFS估測(cè)[J]. 韓宗濤,江洪,王威,李增元,陳爾學(xué),閆敏,田昕.  林業(yè)科學(xué). 2018(09)
[3]落葉松育苗造林技術(shù)[J]. 薛文靜,杜娟,劉玲,薛文秀,甄偉.  吉林農(nóng)業(yè). 2018(18)
[4]Forest type identification by random forest classification combined with SPOT and multitemporal SAR data[J]. Ying Yu,Mingze Li,Yu Fu.  Journal of Forestry Research. 2018(05)
[5]C5.0決策樹(shù)Hyperion影像森林類(lèi)型精細(xì)分類(lèi)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)
[6]分析興安落葉松幼、中齡林的撫育及經(jīng)營(yíng)措施[J]. 郭小偉.  農(nóng)民致富之友. 2018(14)
[7]基于裸土期多時(shí)相遙感影像特征及最大似然法的土壤分類(lèi)[J]. 劉煥軍,楊昊軒,徐夢(mèng)園,張新樂(lè),張小康,于滋洋,邵帥,李厚萱.  農(nóng)業(yè)工程學(xué)報(bào). 2018(14)
[8]應(yīng)用Sentinel-2A衛(wèi)星光譜與紋理信息的森林蓄積量估算[J]. 曹霖,彭道黎,王雪軍,陳新云.  東北林業(yè)大學(xué)學(xué)報(bào). 2018(09)
[9]氮磷施肥對(duì)落葉松葉片非結(jié)構(gòu)性碳濃度的影響[J]. 唐月坤,王嗣奇,張彥東.  森林工程. 2018(04)
[10]最大似然分類(lèi)的訓(xùn)練樣本敏感度研究[J]. 陸曉果,王同科,梁社芳,陸苗.  中國(guó)農(nóng)業(yè)信息. 2018(02)

博士論文
[1]中高分辨率遙感影像森林類(lèi)型精細(xì)分類(lèi)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
[2]高分辨率遙感森林植被分類(lèi)提取研究[D]. 李偉濤.北京林業(yè)大學(xué) 2016

碩士論文
[1]基于多源遙感數(shù)據(jù)的林地類(lèi)型精細(xì)識(shí)別與變化監(jiān)測(cè)研究[D]. 張兆鵬.西安科技大學(xué) 2018
[2]多源遙感森林碳儲(chǔ)量估測(cè)系統(tǒng)研發(fā)及應(yīng)用[D]. 臧守信.西安科技大學(xué) 2017
[3]結(jié)合高分辨率遙感影像多維特征的森林分類(lèi)[D]. 白金婷.北京林業(yè)大學(xué) 2016
[4]基于RS的黃河三角洲石油開(kāi)采區(qū)土壤石油污染檢測(cè)研究[D]. 張磊.中國(guó)石油大學(xué) 2011
[5]基于紋理特征的典型遙感影像面狀地物提取方法研究[D]. 過(guò)林.解放軍信息工程大學(xué) 2011



本文編號(hào)：3371114