隨著遙感衛(wèi)星事業(yè)的不斷發(fā)展,借助遙感技術(shù)對(duì)大區(qū)域尺度森林資源進(jìn)行識(shí)別已經(jīng)成為森林資源調(diào)查與監(jiān)測(cè)的重要技術(shù)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(yùn)用最大似然法（MLC,Maximum Likelihood Classification）、支持向量機(jī)（SVM,Support Vector Machine）以及人工神經(jīng)網(wǎng)絡(luò)法（ANN,Artificial Neural Network）對(duì)影像森林資源進(jìn)行識(shí)別,并分析其不同方法下紋理特征對(duì)兩種影像森林資源識(shí)別結(jié)果精度的影響,最后采用替換法對(duì)兩種影像進(jìn)行多源分類。主要研究結(jié)果及結(jié)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(lái)確立森林資源識(shí)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(lái)源】：江西農(nóng)業(yè)大學(xué)江西省

【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)地理位置

Table 2.1 Image basic parameters成像時(shí)間 波段名稱 波長(zhǎng)范圍（μm） 空間I2014.10.082014.10.15海岸波段(Band1)藍(lán)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(lán)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(diào)查數(shù)據(jù)（包括小班數(shù)據(jù)和固定樣地?cái)?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(duì)森林資源識(shí)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(wàn)地形圖，主要用于對(duì)遙感影像進(jìn)行幾何精校正。


本文編號(hào)：2944705