森林是最重要的陸地生態(tài)系統(tǒng),掌握森林內(nèi)樹木種類及其分布狀況對研究和利用森林生態(tài)系統(tǒng)具有重要意義。近年來,國產(chǎn)高分系列和資源系列衛(wèi)星的陸續(xù)發(fā)射,極大地豐富了我國高空間分辨率遙感影像的數(shù)據(jù)來源,為進一步推廣國產(chǎn)高分辨率數(shù)據(jù)在森林樹種分類方面的應(yīng)用,同時探究特征優(yōu)選、分類方法及時相等對樹種分類結(jié)果的影響,本研究以北京市延慶區(qū)八達嶺國家森林公園主體部分為研究區(qū),利用6景高分二號影像為數(shù)據(jù)源,在分層分類的基礎(chǔ)上,展開了相關(guān)的森林樹種分類研究。主要研究內(nèi)容如下:（1）為探究多時相下高效精確的樹種分類方法,本研究先以6景影像疊合進行樹種分類研究。研究先利用支持向量機遞歸特征消除、C5.0及Feature Space Optimization三種特征優(yōu)選方法進行特征優(yōu)選,而后從四種特征維度下實現(xiàn)了面向?qū)ο蟮闹С窒蛄繖C、C5.0決策樹和隨機森林的森林主要喬木樹種分類,最終取得了總體精度介于73.50%至89.00%之間,Kappa系數(shù)介于0.70至0.87之間的較好結(jié)果。結(jié)果表明:C5.0特征優(yōu)選方法耗時最短（0.67s）且其所選特征應(yīng)用于分類取得了最高的總體精度（89.00%）;C5.0決策樹在各個特... 

【文章來源】：北京林業(yè)大學北京市211工程院校教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 .研究背景及意義
    1.2 .國內(nèi)外研究現(xiàn)狀
        1.2.1 .遙感技術(shù)在森林植被分類中的應(yīng)用
        1.2.2 .高空間分辨率遙感影像及其分類技術(shù)
        1.2.3 .遙感影像分類方法
    1.3 .研究內(nèi)容及論文結(jié)構(gòu)
        1.3.1 .研究內(nèi)容
        1.3.2 .技術(shù)路線
        1.3.3 .論文結(jié)構(gòu)
2.研究區(qū)及數(shù)據(jù)集
    2.1 .研究區(qū)概況
        2.1.1 .地理概況
        2.1.2 .森林資源
    2.2 .數(shù)據(jù)獲取及預(yù)處理
        2.2.1 .數(shù)據(jù)獲取
        2.2.2 .遙感影像預(yù)處理
        2.2.3 .分類體系的建立
3.喬木林地提取結(jié)果及評價
    3.1 .多尺度分割參數(shù)確定
    3.2 .對象特征提取及特征優(yōu)選結(jié)果
        3.2.1 .對象特征提取
        3.2.2 .第二層分類特征優(yōu)選結(jié)果及評價
    3.3 .分類結(jié)果及評價
        3.3.1 .分類結(jié)果評價方法
        3.3.2 .分類結(jié)果與分析
4.最優(yōu)特征優(yōu)選方法和分類器組合的確定
    4.1 .多尺度分割參數(shù)確定
    4.2 .特征優(yōu)選方法及優(yōu)選結(jié)果
    4.3 .分類器相關(guān)參數(shù)設(shè)定
    4.4 .各組合分類結(jié)果分析與評價
        4.4.1 .不同特征維度下的SVM分類結(jié)果
        4.4.2 .不同特征維度下的C5.0DT分類結(jié)果
        4.4.3 .不同特征維度下的RF分類結(jié)果
        4.4.4 .結(jié)果分析與評價
    4.5 .本章小結(jié)
5.樹種分類的時相及方法選擇
    5.1 .影像選擇及時相構(gòu)建
    5.2 .多尺度分割參數(shù)確定
    5.3 .對象特征提取及特征優(yōu)選結(jié)果
    5.4 .樹種分類結(jié)果及精度評價
        5.4.1 .基于優(yōu)選特征的樹種分類結(jié)果及精度評價
        5.4.2 .基于全部特征的樹種分類結(jié)果及精度評價
    5.5 .分析與討論
    5.6 .本章小結(jié)
6.結(jié)論與展望
    6.1 .結(jié)論
    6.2 .不足與展望
參考文獻
個人簡介
導(dǎo)師簡介
獲得成果目錄
致謝


【參考文獻】：
期刊論文
[1]基于高分二號遙感影像的樹種分類方法[J]. 李哲,張沁雨,彭道黎.  遙感技術(shù)與應(yīng)用. 2019(05)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的高分二號影像林分類型分類[J]. 江濤,王新杰.  北京林業(yè)大學學報. 2019(09)
[3]基于隨機森林特征選擇的城市綠化喬木樹種分類[J]. 溫小樂,鐘奧,胡秀娟.  地球信息科學學報. 2018(12)
[4]基于地面激光雷達點云數(shù)據(jù)的樹種識別方法[J]. 王佳,張隆裕,呂春東,牛利偉.  農(nóng)業(yè)機械學報. 2018(11)
[5]基于不同決策樹的面向?qū)ο罅謪^(qū)遙感影像分類比較[J]. 陳麗萍,孫玉軍.  應(yīng)用生態(tài)學報. 2018(12)
[6]C5.0決策樹Hyperion影像森林類型精細分類方法[J]. 王懷警,譚炳香,房秀鳳,李世明,李太興.  浙江農(nóng)林大學學報. 2018(04)
[7]高分二號異軌立體數(shù)據(jù)的森林高度提取[J]. 倪文儉,張大鳳,汪垚,龐勇,張志玉,劉見禮,何亞婷,郭偉.  遙感學報. 2018(03)
[8]基于小波紋理和隨機森林的獼猴桃果園遙感提取[J]. 宋榮杰,寧紀鋒,常慶瑞,班松濤,劉秀英,張宏鳴.  農(nóng)業(yè)機械學報. 2018(04)
[9]基于機載激光雷達和高光譜數(shù)據(jù)的樹種識別方法[J]. 陶江玥,劉麗娟,龐勇,李登秋,馮云云,王雪,丁友麗,彭瓊,肖文惠.  浙江農(nóng)林大學學報. 2018(02)
[10]高分二號數(shù)據(jù)的城市生態(tài)用地分類方法探討[J]. 王芳,楊武年,鄧曉宇,任金銅.  測繪科學. 2018(03)

博士論文
[1]基于多時相遙感數(shù)據(jù)的農(nóng)作物分類研究[D]. 郝鵬宇.中國科學院大學(中國科學院遙感與數(shù)字地球研究所) 2017
[2]高分辨率遙感森林植被分類提取研究[D]. 李偉濤.北京林業(yè)大學 2016
[3]基于知識的高分辨率遙感影像耕地自動提取技術(shù)研究[D]. 孫家波.中國農(nóng)業(yè)大學 2014
[4]基于優(yōu)化決策樹的高分辨率遙感影像分類技術(shù)研究[D]. 陳丹.武漢大學 2010
[5]面向?qū)ο蟮腟POT5圖像森林分類研究[D]. 李春干.北京林業(yè)大學 2009

碩士論文
[1]基于深度學習的遙感圖像林地識別技術(shù)的研究與應(yīng)用[D]. 白宇.北京郵電大學 2019
[2]基于深度學習的遙感影像分類方法研究[D]. 薛洪飛.哈爾濱工程大學 2019
[3]基于支持向量機的高維不平衡數(shù)據(jù)二分類方法的研究[D]. 陸俊儒.哈爾濱工業(yè)大學 2017
[4]考慮植被季相節(jié)律的高分辨率遙感影像城市森林分類[D]. 任芯雨.南京林業(yè)大學 2016
[5]結(jié)合高分辨率遙感影像多維特征的森林分類[D]. 白金婷.北京林業(yè)大學 2016
[6]基于多層次分割的遙感影像面向?qū)ο笊址诸怺D]. 馬浩然.北京林業(yè)大學 2014
[7]面向?qū)ο蟮牧謽I(yè)遙感信息提取方法研究[D]. 王婧.北京林業(yè)大學 2013
[8]基于Quick Bird影像的面向?qū)ο笮畔⑻崛》椒ū容^實驗研究[D]. 張存.東北大學 2009



本文編號：3643941