隨著遙感衛(wèi)星事業(yè)的不斷發(fā)展,借助遙感技術對大區(qū)域尺度森林資源進行識別已經(jīng)成為森林資源調查與監(jiān)測的重要技術手段。論文以江西省吉水縣為研究區(qū),以Landsat-8 OLI影像、GF-2影像為數(shù)據(jù)源,借助采樣數(shù)據(jù)比較了各森林資源類型在影像中的光譜、紋理特征,運用最大似然法（MLC,Maximum Likelihood Classification）、支持向量機（SVM,Support Vector Machine）以及人工神經(jīng)網(wǎng)絡法（ANN,Artificial Neural Network）對影像森林資源進行識別,并分析其不同方法下紋理特征對兩種影像森林資源識別結果精度的影響,最后采用替換法對兩種影像進行多源分類。主要研究結果及結論如下:（1）根據(jù)研究區(qū)土地利用主要類型及影像分辨率來確立森林資源識別系統(tǒng)�；贚andsat-8 OLI影像將森林資源分為針葉林、闊葉林、針闊混交林、竹林、灌木林、其他林地等6種類型;基于GF-2影像將森林資源分為杉木（Cunninghami lanceolata）、松類、闊葉林、針闊混交林、竹林、灌木林、采伐跡地、未成林造林地、其他林地等9種類型;兩種影像均將... 

【文章來源】：江西農(nóng)業(yè)大學江西省

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

研究區(qū)地理位置

Table 2.1 Image basic parameters成像時間 波段名稱 波長范圍（μm） 空間I2014.10.082014.10.15海岸波段(Band1)藍色波段(Band2)綠色波段(Band3)紅色波段(Band4)近紅外波段(Band5)短波紅外 1(Band6)短波紅外 2(Band7)全色波段(Band8)卷云波段(Band9)0.43-0.450.45-0.510.53-0.590.64-0.670.85-0.881.57-1.652.11-2.290.50-0.681.36-1.382014.9.27-2014.11.22藍色波段(Band1)綠色波段(Band2)紅色波段(Band3)近紅外波段(Band4)全色波段(Band5)0.45-0.520.52-0.590.63-0.690.77-0.890.45-0.90

2.2.2 輔助數(shù)據(jù)輔助數(shù)據(jù)包括吉水縣 2009 年森林資源二類調查數(shù)據(jù)（包括小班數(shù)據(jù)和固定樣地數(shù)據(jù)），森林分布圖，如圖 2.3 所示。這些圖件較為客觀的反映了研究區(qū)森林資源狀況，對森林資源識別能起到輔助作用。此外，輔助數(shù)據(jù)還包括研究區(qū) 1:1 萬地形圖，主要用于對遙感影像進行幾何精校正。


本文編號：2944705