森林蓄積量是一定面積范圍森林現(xiàn)有樹木材積量的總和,該數(shù)據(jù)與人民大眾的生存環(huán)境、能源的產(chǎn)能規(guī)劃以及林業(yè)動態(tài)監(jiān)測、及時防護(hù)、防災(zāi)措施具體布置等有著密切關(guān)系。時下蓄積量的研究工作已成為熱點(diǎn)問題。隨著3S技術(shù)的發(fā)展,地理空間的分辨率更加精細(xì)化,遙感影像的紋理信息大為豐富。高空間分辨率的紋理信息對森林植被的信息非常敏感。進(jìn)行蓄積量估測時,加入紋理特征對蓄積量估測的精度提升具有很大潛力。本文結(jié)合3S集成技術(shù),基于GF-1\GF-2不同地區(qū)不同分辨率的遙感影像數(shù)據(jù),利用灰度共生矩陣法提取實(shí)驗(yàn)區(qū)遙感影像的紋理特征,結(jié)合實(shí)驗(yàn)區(qū)GIS信息及遙感信息,利用提取的紋理特征參與蓄積量估測建模,進(jìn)一步提高蓄積量估測的精度,驗(yàn)證了紋理信息運(yùn)用于蓄積量估測中可有效提高蓄積量模型估測精度的猜想。最終得到以下結(jié)論:（1）紋理因子結(jié)合遙感因子及GIS因子能夠有效提高蓄積量估測結(jié)果精度,不同地區(qū)該結(jié)論仍屬有效。（2）紋理因子加入估算蓄積量模型中,對于不同分辨率的遙感影像,均能提高蓄積量估測結(jié)果精度。（3）提取紋理特征時,滑動窗口大小的設(shè)置應(yīng)盡量設(shè)置為與固定樣地單元（樣地）面積大小接近,可以達(dá)到提高蓄積量估測結(jié)果精度的要求。（... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線

其次還有草甸土、沼澤土等。加格達(dá)奇的主要樹種有落葉松、樟子松、樺樹、山楊、柳樹、柞樹、云彬等幾十種林木，其中樺樹蓄積量為最多。加格達(dá)奇林業(yè)局林區(qū)位置示意圖如圖2.1所示。圖2.1 加格達(dá)奇林業(yè)局位置示意圖全局經(jīng)營面積966110公頃，林地面積944948.6公頃，占經(jīng)營面積的97.81%。在林地

林地面積623870公頃，占經(jīng)營面積的64.58%。全局森林覆蓋率為64.58%，為40194812立方米。驗(yàn)區(qū)數(shù)據(jù)收集整理高分遙感影像格達(dá)奇林業(yè)局地區(qū)處于北緯 50 度以北，冬季較長，每年 10 月下旬至次年處于白雪覆蓋狀態(tài)，6-8 月份為雨季，陰天、多云情況較多。本次試驗(yàn)共內(nèi)選取高分 1 號 WFV 多光譜數(shù)據(jù)一景（覆蓋試驗(yàn)區(qū)），高分 1 號 PMS 多（覆蓋試驗(yàn)區(qū)）。GF-1 號 WFV 多光譜影像獲取時間為 2013 年 9 月 7 日，資源應(yīng)用中心公布的定標(biāo)系數(shù)及波譜響應(yīng)函數(shù)完成了數(shù)據(jù)的輻射定標(biāo)和；使用 ASTER GDEM 全球空間分辨率為 30 米的 DEM 進(jìn)行了正射校正；辨率為 2.1 米的 ZY-3 影像為基準(zhǔn)采集控制點(diǎn)進(jìn)行幾何精校正處理，幾何 個像元以內(nèi)，幾何精校正后影像像元大小為 16m×16m。疊加試驗(yàn)區(qū)行政行裁剪處理，裁剪完成后影像如圖 2.2 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于灰度共生矩陣的彩色遙感圖像紋理特征提取[J]. 侯群群,王飛,嚴(yán)麗.  國土資源遙感. 2013(04)
[2]鷲峰地區(qū)QuickBird影像紋理特征與生物量估測關(guān)系初探[J]. 王昆,張曉麗,王珊,焦志敏,寧亮亮,吳石磊.  地理與地理信息科學(xué). 2013(03)
[3]融合LBP和GLCM的紋理特征提取方法[J]. 王國德,張培林,任國全,寇璽.  計(jì)算機(jī)工程. 2012(11)
[4]基于SPOT5遙感影像選擇森林蓄積估測因子——以火地塘教學(xué)實(shí)驗(yàn)林場為例[J]. 馬瑞蘭,李衛(wèi)忠.  東北林業(yè)大學(xué)學(xué)報(bào). 2011(07)
[5]基于TM影像紋理與光譜特征的紅樹林生物量估算[J]. 曹慶先,徐大平,鞠洪波.  林業(yè)資源管理. 2010(06)
[6]基于灰度共生矩陣的遙感圖像紋理庫設(shè)計(jì)[J]. 周旭,白深模.  海洋測繪. 2010(05)
[7]圖像紋理特征提取方法綜述[J]. 劉麗,匡綱要.  中國圖象圖形學(xué)報(bào). 2009(04)
[8]基于遙感、地理信息系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的呼中林區(qū)森林蓄積量估測[J]. 劉志華,常禹,陳宏偉.  應(yīng)用生態(tài)學(xué)報(bào). 2008(09)
[9]基于方塊編碼的圖像紋理特征提取及檢索算法[J]. 趙珊,孫君頂,周利華.  光電子·激光. 2006(08)
[10]高壓功率VDMOS管的設(shè)計(jì)研制[J]. 王英,何杞鑫,方紹華.  電子器件. 2006(01)

博士論文
[1]基于ALOS遙感影像紋理信息的懷柔區(qū)針、闊葉林蓄積量反演模型研究[D]. 劉俊.北京林業(yè)大學(xué) 2014
[2]基于圖像紋理特征提取算法的研究及應(yīng)用[D]. 王凱.西南交通大學(xué) 2013
[3]基于紋理特征的遙感影像居民地提取技術(shù)研究[D]. 金飛.解放軍信息工程大學(xué) 2013
[4]彩色航空圖像森林紋理特征提取方法的研究[D]. 畢于慧.北京林業(yè)大學(xué) 2007
[5]紋理圖像統(tǒng)計(jì)及其應(yīng)用研究[D]. 向世明.中國科學(xué)院研究生院（計(jì)算技術(shù)研究所） 2004
[6]用非線性理論研究以“3S”為基礎(chǔ)的森林蓄積定量估測[D]. 李崇貴.中國林業(yè)科學(xué)研究院 2001

碩士論文
[1]森林蓄積量估測遙感影像比值波段和紋理信息選擇研究[D]. 高陽.西安科技大學(xué) 2014
[2]基于特征提取的紋理圖像分割[D]. 董昱威.長安大學(xué) 2014
[3]森林蓄積量遙感定量估測系統(tǒng)研發(fā)[D]. 豐德恩.西安科技大學(xué) 2012
[4]基于遙感抽樣技術(shù)的平南縣森林蓄積量估測[D]. 謝進(jìn)金.中南林業(yè)科技大學(xué) 2011
[5]基于紋理信息的高分辨率無人機(jī)遙感圖像分割[D]. 武維.電子科技大學(xué) 2010
[6]森林蓄積量高空間分辨率遙感估測理論與實(shí)現(xiàn)[D]. 楊斌.西安科技大學(xué) 2008
[7]基于灰度共生矩陣木材表面紋理模式識別方法的研究[D]. 王輝.東北林業(yè)大學(xué) 2007



本文編號：2976730