【摘要】：森林病蟲害是森林健康生長的重要威脅之一,開展其危害程度監(jiān)測對森林保護(hù)具有重要意義。多云雨地區(qū)的光學(xué)數(shù)據(jù)受限使其進(jìn)行森林蟲害監(jiān)測成為難題,微波數(shù)據(jù)受天氣影響很小,具有應(yīng)用潛力。本文提出一種利用合成孔徑雷達(dá)(Synthetic Aperture Radar SAR)影像及光學(xué)影像進(jìn)行森林蟲害危害程度監(jiān)測的方法。以云南省祥云縣為研究區(qū)域,以歐空局多時(shí)相哨兵一號(hào)(Sentinel-1)和哨兵二號(hào)(Sentinel-2)數(shù)據(jù)為例,基于合成孔徑雷達(dá)干涉(InSAR)參數(shù)的時(shí)相特征及光學(xué)數(shù)據(jù)的光譜特征,探討融合多時(shí)相InSAR數(shù)據(jù)及多源數(shù)據(jù)用于云南松健康林與不同程度受害林分類的可行性。研究結(jié)果如下:(1)單時(shí)相SAR數(shù)據(jù)中,健康林與受害林的后向散射系數(shù)與相干系數(shù)差別很小,所以需要綜合SAR數(shù)據(jù)的時(shí)相信息與干涉信息,將多時(shí)相InSAR數(shù)據(jù)進(jìn)行融合參與分類。(2)基于云南松物候特征及林分相對濕度解釋SAR參數(shù)的時(shí)序特征,后向散射系數(shù)和相干系數(shù)的時(shí)序變化均與云南松物候期相關(guān);相干系數(shù)與相對濕度的相關(guān)性很小,后向散射系數(shù)與相對濕度有一定的相關(guān)性,其中輕度受害林的相關(guān)性達(dá)到0.78。(3)實(shí)地?cái)?shù)據(jù)驗(yàn)證可得,用多時(shí)相相干系數(shù)進(jìn)行分類,精度高于后向散射系數(shù),其中降軌數(shù)據(jù)的精度最高,可達(dá)到83%,表明多時(shí)相C波段SAR相干系數(shù)可有效識(shí)別健康林與不同程度的受害林;(4)多時(shí)相InSAR數(shù)據(jù)與光學(xué)數(shù)據(jù)融合后可提高分類精度,最高可達(dá)到89.26%。Sentinel-2影像光譜信息豐富,對健康林和輕度受害林的區(qū)分具有優(yōu)勢,多時(shí)相InSAR數(shù)據(jù)對健康林和重度受害林的識(shí)別效果較好,二者相結(jié)合可實(shí)現(xiàn)信息互補(bǔ),提高分類精度。該方法在多云雨地區(qū)的森林蟲害監(jiān)測與分類有一定的優(yōu)勢,可以進(jìn)一步提升遙感監(jiān)測蟲害的能力。
【圖文】：

：崣＿逡逑W健康林樣地邋□輕度受害林樣地■■重度受害林樣地逡逑圖２－丨研究區(qū)地理位置，左為ＳＲＴＭＤＥＭ，右為Ｌａｎｄｓａｔ８邋０Ｕ自然真彩色合成圖像Ｂ４（Ｒ），逡逑Ｂ３（Ｇ）邋，Ｂ２（Ｂ）逡逑Ｆｉｇ．邋２－１邋Ｇｅｏｇｒａｐｈｉｃ邋ｌｏｃａｔｉｏｎ邋ｏｆ邋ｓｔｕｄｙ邋ａｒｅａ，邋ｌｅｆｔ邋ｉｓ邋ＳＲＴＭ邋ＤＥＭ，邋ｒｉｇｈｔ邋ｉｓ邋Ｌａｎｄｓａｔ８邋ＯＬＩ邋ｔｒｕｅ邋ｃｏｌｏｒ逡逑ｃｏｍｐｏｓｉｔｅ邋ｉｍａｇｅ邋Ｂ４（Ｒ），邋Ｂ３（Ｇ），邋Ｂ２（Ｂ）逡逑２．邋１．邋１．地形地貌逡逑樣云縣位于金沙江和紅河水系的分水嶺上，整個(gè)縣的地勢西北高東南低，高差起逡逑伏較大，最高點(diǎn)為北部的五頂山，海拔３２４２米，，最低點(diǎn)為南部的一街河邊，海拔１４３５逡逑米，相對高差１８０７米�？h內(nèi)山地、盆地、河谷相間分布，在東西斷裂帶和南北構(gòu)造逡逑線的影響下，分為祥城、米甸、云南驛、禾甸四個(gè)高原中心盆地和蓮花池、青海湖兩逡逑個(gè)湖泊�？h內(nèi)山脈縱橫

邐聯(lián)合多時(shí)相光學(xué)和ＩｎＳＡＲ數(shù)據(jù)的云南松切梢小蠹蟲害監(jiān)測邐逡逑的窗口進(jìn)行估計(jì)，而相干性較高的區(qū)域則選擇較小的窗口進(jìn)行精確估計(jì)。查看像元值，逡逑相干系數(shù)的值域?yàn)椋埃�，值越大的區(qū)域相干性越高，值越小表示該區(qū)域發(fā)生了很大變逡逑化。逡逑（４）地理編碼逡逑干涉影像的地理編碼是利用ＤＥＭ數(shù)據(jù)將影像數(shù)據(jù)的坐標(biāo)系轉(zhuǎn)化為與ＤＥＭ相同逡逑的坐標(biāo)系統(tǒng)，賦予影像地理坐標(biāo)系，消除地形畸變，生成地理編碼的相干系數(shù)圖。逡逑
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S763.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾玲方;李霖;萬麗華;;基于Sentinel-1衛(wèi)星SAR數(shù)據(jù)的洪水淹沒范圍快速提取[J];地理信息世界;2015年05期

2 覃智英;;林業(yè)病蟲害發(fā)生的原因與對策[J];北京農(nóng)業(yè);2015年29期

3 吳振坤;;森林病蟲害監(jiān)測技術(shù)研究綜述[J];現(xiàn)代農(nóng)業(yè)科技;2015年08期

4 朱曉梅;;SPSS軟件在林業(yè)試驗(yàn)數(shù)據(jù)方差分析中的應(yīng)用[J];林業(yè)調(diào)查規(guī)劃;2015年01期

5 潘潔;廖振峰;張衡;顧曉麗;王勝;;基于高光譜數(shù)據(jù)與網(wǎng)絡(luò)GIS應(yīng)用的森林病蟲害監(jiān)測系統(tǒng)研究[J];世界林業(yè)研究;2015年03期

6 徐茂松;李坤;謝酬;朱松;羅洪章;張風(fēng)麗;王雪軍;夏忠勝;黨永峰;;極化雷達(dá)與光學(xué)遙感森林雪災(zāi)破壞協(xié)同監(jiān)測[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年04期

7 任瑞艷;趙杰;;電子巡檢技術(shù)在森林病蟲害監(jiān)測管理中的應(yīng)用[J];中國森林病蟲;2014年04期

8 郭云;凌飛龍;田昕;;基于ALOSPALSAR數(shù)據(jù)時(shí)相特征的土地覆蓋識(shí)別[J];遙感技術(shù)與應(yīng)用;2014年03期

9 王霄鵬;張杰;馬毅;任廣波;;不同極化方式SAR與TM融合影像濱海濕地分類精度比較[J];海洋學(xué)研究;2014年01期

10 王馨爽;陳爾學(xué);李增元;姚頑強(qiáng);趙磊;;多時(shí)相雙極化SAR影像林地類型分類方法[J];林業(yè)科學(xué);2014年03期

相關(guān)博士學(xué)位論文 前3條

1 謝巧云;考慮紅邊特性的多平臺(tái)遙感數(shù)據(jù)葉面積指數(shù)反演方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

2 王平彥;云南松三種切梢小蠹信息化學(xué)物質(zhì)的研究[D];中國林業(yè)科學(xué)研究院;2012年

3 亓興蘭;SPOT-5遙感影像馬尾松毛蟲害信息提取技術(shù)研究[D];福建農(nóng)林大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 高璐璐;基于遙感數(shù)據(jù)的低山丘陵區(qū)蘋果樹冠層葉綠素含量反演[D];山東農(nóng)業(yè)大學(xué);2017年

2 陳志國;高分辨率SAR衛(wèi)星影像洪水區(qū)域提取應(yīng)用研究[D];武漢大學(xué);2017年

3 陳紅艷;林業(yè)典型病蟲害遙感監(jiān)測[D];電子科技大學(xué);2017年

4 胥為;基于Sentinel-1和Landsat 8數(shù)據(jù)的潮間帶鹽沼濕地分類研究[D];華東師范大學(xué);2017年

5 金夢婷;基于合成孔徑雷達(dá)衛(wèi)星數(shù)據(jù)反演表層土壤含水量的研究[D];杭州師范大學(xué);2016年

6 唐翠翠;基于多源遙感數(shù)據(jù)的小麥病蟲害大尺度監(jiān)測預(yù)測研究[D];安徽大學(xué);2016年

7 彭O投

本文編號(hào)：2702195