紅樹(shù)林一般位于南北緯30°之間受海洋動(dòng)力影響較小的潮間帶區(qū)域,是定期受到潮水淹沒(méi)的常綠灌木或喬木樹(shù)林。它特殊的形態(tài)結(jié)構(gòu)與生理特點(diǎn)使其在凈化水質(zhì)、消風(fēng)避浪、護(hù)岸保堤、調(diào)節(jié)氣候以及生物多樣性保護(hù)等方面起到重要作用,不但經(jīng)濟(jì)價(jià)值很高,且具有不可或缺的生態(tài)服務(wù)功能。泰國(guó)東西兩側(cè)分別為太平洋和印度洋,海岸線狹長(zhǎng),海濱濕地環(huán)境較多,紅樹(shù)林廣為發(fā)育,是全世界紅樹(shù)林分布密度最高的地區(qū)之一。歷史上,由于海岸帶過(guò)度開(kāi)發(fā)特別是養(yǎng)蝦業(yè)的發(fā)展,泰國(guó)海岸帶紅樹(shù)林大面積退化,引起漁業(yè)減產(chǎn)、水質(zhì)變差、海岸侵蝕及生物多樣性破壞等外部效應(yīng)。為實(shí)現(xiàn)對(duì)泰國(guó)海岸帶地區(qū)紅樹(shù)林動(dòng)態(tài)變化狀態(tài)的監(jiān)測(cè),本文以1988年前后-2016年前后的LandsatTM/ETM/OLI影像為主要數(shù)據(jù),利用數(shù)字高程數(shù)據(jù)掩膜部分非紅樹(shù)林生長(zhǎng)區(qū)域,結(jié)合實(shí)地踏勘資料,建立解譯標(biāo)志;在對(duì)比最大似然法（Maximum Likelihood）、神經(jīng)網(wǎng)絡(luò)法（Neural Net）和支持向量機(jī)法（Support Vector Machine）三種方法的基礎(chǔ)上,選取總體分類精度（Overall Accuracy）較高的神經(jīng)網(wǎng)絡(luò)法對(duì)研究區(qū)各個(gè)時(shí)期的影像數(shù)據(jù)進(jìn)行了監(jiān)督分類... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【圖文】：

圖２．１研宄區(qū)域圖??Ｆｉｇ．２．１?Ｔｈｅ?ｍａｐ?ｏｆ?ｓｔｕｄｙ?ａｒｅａ??９??

圖２．２野外實(shí)地踏勘??Ｆｉｇ．２．２?Ｔｈｅｆｉｅｌｄ?ｒｅｃｏｎｎａｉｓｓａｎｃｅ??１２??

膜后的影像進(jìn)行紅樹(shù)林信息提取［４５］［４６１。由于研宄范圍較大，在應(yīng)用ＤＥＭ數(shù)據(jù)進(jìn)行掩膜??時(shí)結(jié)合了各影像所處地理位置以及實(shí)地調(diào)查的數(shù)據(jù)，對(duì)不同區(qū)域選取不同的高程數(shù)值，??最大程度的去除無(wú)關(guān)信息。利用ＤＥＭ數(shù)據(jù)掩膜的效果如圖２．４所示。??Ａ掩膜前?Ａ掩膜后??Ｂ掩膜前?Ｂ掩膜后??圖２．４沿海地區(qū)ＤＥＭ掩膜效果圖??Ｆｉｇ．２．４?Ｔｈｅ?ｒｅｎｄｅｒｉｎｇ?ｏｆ?ＤＥＭ?ｍａｓｋ?ｉｎ?Ｃｏａｓｔａｌ?ａｒｅａ??２．３．４圖像增強(qiáng)??遙感成像過(guò)程中像元常會(huì)發(fā)生灰度值較低或模糊的現(xiàn)象，這是由于大氣環(huán)境不穩(wěn)定、??傳感器靈敏度低等因素的影響，降低了圖像上地物的差異，弱化了明暗對(duì)比效果，使得??不同類別的地物之間反差不明顯，不利于影像判讀。因此，通過(guò)對(duì)圖像進(jìn)行增強(qiáng)處理，??將整個(gè)影像的灰度區(qū)間按一定的函數(shù)進(jìn)行擴(kuò)展，拉伸到計(jì)算機(jī)顯示亮度的最大范圍，增??大地物間對(duì)比效果，使對(duì)判別有用的信息凸顯，增強(qiáng)目視解譯和分類的有效性。??１５??

【參考文獻(xiàn)】：
期刊論文
[1]南海周邊國(guó)家近20年海岸線時(shí)空變化分析[J]. 朱國(guó)強(qiáng),蘇奮振,張君玨.  海洋通報(bào). 2015(05)
[2]基于Landsat8遙感影像的合肥市土地利用分類[J]. 許偉,奚硯濤.  湖北農(nóng)業(yè)科學(xué). 2015(15)
[3]南海周邊海岸帶開(kāi)發(fā)利用空間分異[J]. 張君玨,蘇奮振,左秀玲,方月,楊娟.  地理學(xué)報(bào). 2015(02)
[4]基于6S模型的遙感圖像大氣校正方法[J]. 侯旭洲,易維寧,喬延利,黃紅蓮,崔文煜,杜麗麗,陳川.  大氣與環(huán)境光學(xué)學(xué)報(bào). 2015(01)
[5]基于SPOT5影像的紅樹(shù)林種類圖譜特征分析和制圖[J]. 劉俊霞,任廣波,高寧,吳培強(qiáng).  激光生物學(xué)報(bào). 2014(06)
[6]ENVI遙感圖像監(jiān)督分類方法比較[J]. 賈建峰.  西部資源. 2014(06)
[7]海平面上升對(duì)中國(guó)紅樹(shù)林影響的幾個(gè)問(wèn)題[J]. 傅海峰,陶伊佳,王文卿.  生態(tài)學(xué)雜志. 2014(10)
[8]ENVI遙感圖像處理中幾種監(jiān)督分類方法的比較[J]. 金杰,朱海巖,李子瀟,孫建偉.  水利科技與經(jīng)濟(jì). 2014(01)
[9]紅樹(shù)林生態(tài)系統(tǒng)遙感監(jiān)測(cè)研究進(jìn)展[J]. 孫永光,趙冬至,郭文永,高陽(yáng),蘇岫,衛(wèi)寶泉.  生態(tài)學(xué)報(bào). 2013(15)
[10]福建九龍江口紅樹(shù)林變化的遙感監(jiān)測(cè)[J]. 閆靜,張彩云,駱炎民,王文卿,張文舟,商少凌.  廈門(mén)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)

博士論文
[1]1973～2013年中國(guó)紅樹(shù)林動(dòng)態(tài)變化遙感分析[D]. 賈明明.中國(guó)科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所） 2014
[2]潮汐活動(dòng)對(duì)亞熱帶地區(qū)紅樹(shù)林生態(tài)系統(tǒng)水熱平衡的影響[D]. 閻光宇.廈門(mén)大學(xué) 2012

碩士論文
[1]西北旱區(qū)遙感影像分類方法研究[D]. 張靜.西北農(nóng)林科技大學(xué) 2016
[2]基于對(duì)象影像分析的多源遙感影像濕地信息提取方法及其尺度效應(yīng)研究[D]. 孫宇翼.蘭州大學(xué) 2016
[3]近40年來(lái)克拉地峽東西海岸帶紅樹(shù)林變化遙感監(jiān)測(cè)與對(duì)比分析[D]. 梁浩.內(nèi)蒙古大學(xué) 2016
[4]近30年南海周邊國(guó)家海岸線時(shí)空變化研究[D]. 朱國(guó)強(qiáng).蘭州交通大學(xué) 2015
[5]基于Landsat數(shù)據(jù)的鐵山港區(qū)紅樹(shù)林變遷及其影響因素分析研究[D]. 莫權(quán)芳.南京信息工程大學(xué) 2014
[6]遙感圖像在森林資源二類調(diào)查中的應(yīng)用[D]. 陶冀.中南林業(yè)科技大學(xué) 2013
[7]基于輻射傳輸模型的機(jī)載高光譜遙感圖像大氣校正研究[D]. 陳華勝.南京理工大學(xué) 2013
[8]基于遙感的廣東湛江紅樹(shù)林濕地動(dòng)態(tài)變化研究[D]. 毛麗君.南京林業(yè)大學(xué) 2011
[9]決策樹(shù)與SVM相結(jié)合的影像分類方法研究[D]. 李琳.中國(guó)地質(zhì)大學(xué)（北京） 2009
[10]基于人工神經(jīng)網(wǎng)絡(luò)和模糊分類的森林植被遙感圖像分類研究[D]. 馮恒棟.東北師范大學(xué) 2009



本文編號(hào)：3585511