【摘要】：森林、草原、濕地等陸地生態(tài)系統(tǒng)主要以大氣和土壤為介質(zhì),為人類和動(dòng)物提供了多種多樣的生存環(huán)境及食物和衣著的主體部分,對(duì)人類的生存發(fā)展具有舉足輕重的影響。在陸地生態(tài)資源調(diào)查中,樹(shù)種、草種、和水體等都是調(diào)查的重點(diǎn),許多生態(tài)參數(shù)都是依靠樹(shù)種、草種和水體來(lái)進(jìn)行定量估計(jì)的,因此,準(zhǔn)確地識(shí)別出樹(shù)種、草種和水體是獲取生態(tài)系統(tǒng)資源信息的關(guān)鍵。利用遙感技術(shù)開(kāi)展生態(tài)系統(tǒng)精細(xì)分類和目標(biāo)識(shí)別研究,能為自然資源管理、環(huán)境保護(hù)與監(jiān)測(cè)、生物多樣性和野生動(dòng)物生態(tài)狀況調(diào)查等研究提供信息服務(wù)。星載高光譜遙感圖像具有較高的光譜分辨率,是獲取森林等陸地生態(tài)系統(tǒng)精細(xì)結(jié)構(gòu)相關(guān)參數(shù)的主要技術(shù)手段。本論文綜合利用星載高光譜遙感影像的光譜信息、紋理信息及地形信息,基于Hyperion星載高光譜數(shù)據(jù)探究森林生態(tài)系統(tǒng)精細(xì)分類方法和模型;建立相應(yīng)的森林生態(tài)系統(tǒng)的快速、精細(xì)分類系統(tǒng)。其中,面向森林生態(tài)系統(tǒng)的精細(xì)分類方法和模型,為我國(guó)GF-5號(hào)星載高光譜遙感數(shù)據(jù)在自然資源管理、環(huán)境保護(hù)與監(jiān)測(cè)、生物多樣性和野生動(dòng)物生態(tài)狀況調(diào)查等方面,提供穩(wěn)健、高效的圖像精細(xì)分類和目標(biāo)提取技術(shù)。論文的主要研究成果及結(jié)論如下:(1)基于特征波段優(yōu)選的降維方法中,自適應(yīng)波段指數(shù)法選取的特征變量,在C5.0決策樹(shù)算法森林類型分類中的表現(xiàn)優(yōu)于隨機(jī)森林特征選擇方法,兩種方法總體分類精度分別達(dá)到84.04%和78.11%;三種基于特征提取的降維策略中,獨(dú)立主成分分析精度較高,主成分分析法和核主成分分析分別次之。(2)應(yīng)用C5.0決策樹(shù)數(shù)據(jù)挖掘算法,采用分層分類策略,在綜合影像的光譜特征基礎(chǔ)上,加入相關(guān)的紋理特征及地形因子,可以有效提高森林類型精細(xì)分類精度,該方法森林類型精細(xì)分類達(dá)到優(yōu)勢(shì)樹(shù)種(組)級(jí)別,可實(shí)現(xiàn)高光譜數(shù)據(jù)森林類型精細(xì)分類的半自動(dòng)化。(3)基于自適應(yīng)權(quán)值多分類器組合模型,從像元級(jí)將支持向量機(jī)和隨機(jī)森林兩種機(jī)器學(xué)習(xí)算法相結(jié)合,有效地提升了森林類型精細(xì)分類的精度。
【學(xué)位授予單位】：中國(guó)林業(yè)科學(xué)研究院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：S771.8
【圖文】：

圖 1-1 技術(shù)路線圖Tab.1-1 Technical roadmap安排要介紹研究背景及意義、國(guó)內(nèi)外相關(guān)研究現(xiàn)狀。要介紹研究區(qū)概況、Hyperion 高光譜數(shù)據(jù)概況及數(shù)據(jù)預(yù)處理過(guò)驗(yàn)數(shù)據(jù)的獲取情況，為后期高光譜數(shù)據(jù)森林類型精細(xì)分類研究業(yè)調(diào)查實(shí)驗(yàn)設(shè)計(jì)及外業(yè)調(diào)查實(shí)驗(yàn)的實(shí)施，包括獲取的一些輔助定等，為研究區(qū)森林類型精細(xì)分類及分類精度驗(yàn)證提供支撐。

第二章 研究區(qū)概況及數(shù)據(jù)第二章 研究區(qū)概況及數(shù)據(jù)1 研究區(qū)概況本論文研究區(qū)位于吉林省延邊朝鮮族自治州安圖縣境內(nèi)，地處中朝交界地帶，屬山林區(qū)。由于長(zhǎng)白山自然保護(hù)區(qū)不便進(jìn)入，無(wú)法實(shí)施外業(yè)調(diào)查，因此選擇白河林業(yè)以北區(qū)域作為研究區(qū)。研究區(qū)地理坐標(biāo)范圍為 128°2′42″E－128°18′18″E，42°N－42°55′31″N，研究區(qū)地理位置示意圖如圖 2-1。

8~70 936~1058 未經(jīng)1~76 852~902 未經(jīng)7~78 912~923 經(jīng)過(guò)~224 933~2396 經(jīng)過(guò)5~242 2406~2577 未經(jīng)7 與 SWIR77~78 重疊，且前者信噪比高于后者波段設(shè)置為 0 值，這樣實(shí)際只有 196 個(gè)波段。據(jù)預(yù)處理yperion 影像數(shù)據(jù)，為保證信息提取精度，對(duì)其香等，2005），對(duì)該數(shù)據(jù)的預(yù)處理此處不再展開(kāi)像質(zhì)量得以改善，植被的光譜曲線也更真實(shí)。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張志明;張征凱;郭銀明;陶國(guó)慶;歐曉昆;;高原山區(qū)遙感植被制圖研究綜述[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

2 溫一博;范文義;;多時(shí)相遙感數(shù)據(jù)森林類型識(shí)別技術(shù)研究[J];森林工程;2013年02期

3 孫華;鞠洪波;張懷清;林輝;劉華;凌成星;符利勇;;Hyperion高光譜影像波段選擇方法比較研究[J];紅外;2013年02期

4 董連英;邢立新;潘軍;王靜;李麗麗;焦健楠;;高光譜圖像植被類型的CART決策樹(shù)分類[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年01期

5 王健峰;張磊;陳國(guó)興;何學(xué)文;;基于改進(jìn)的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J];應(yīng)用科技;2012年03期

6 王妮;彭世揆;李明詩(shī);;基于樹(shù)種分類的高分辨率遙感數(shù)據(jù)紋理特征分析[J];浙江農(nóng)林大學(xué)學(xué)報(bào);2012年02期

7 王志慧;李世明;張藝偉;;基于C5.0算法的森林資源變化檢測(cè)方法研究——以山東省徂徠山林區(qū)為例[J];西北林學(xué)院學(xué)報(bào);2011年05期

8 夏俊士;杜培軍;張偉;;遙感影像多分類器集成的關(guān)鍵技術(shù)與系統(tǒng)實(shí)現(xiàn)[J];科技導(dǎo)報(bào);2011年21期

9 劉麗娟;龐勇;范文義;李增元;李明澤;;整合機(jī)載CASI和SASI高光譜數(shù)據(jù)的北方森林樹(shù)種填圖研究[J];遙感技術(shù)與應(yīng)用;2011年02期

10 方匡南;吳見(jiàn)彬;朱建平;謝邦昌;;隨機(jī)森林方法研究綜述[J];統(tǒng)計(jì)與信息論壇;2011年03期

相關(guān)碩士學(xué)位論文 前2條

1 于龍;基于高光譜遙感數(shù)據(jù)的樹(shù)種組分類方法探討[D];浙江農(nóng)林大學(xué);2013年

2 李治;MODIS時(shí)間序列數(shù)據(jù)輔助下的河北省土地覆被分類研究[D];東北林業(yè)大學(xué);2013年

本文編號(hào)：2768919