森林資源是一種自然的、可再生的資源,是地球上最重要的資源之一,為林業(yè)的可持續(xù)發(fā)展提供物質(zhì)保障。森林在調(diào)節(jié)氣候、保持生物多樣性、提供生態(tài)產(chǎn)品等方面發(fā)揮著重要的作用,樹種的準(zhǔn)確識(shí)別是研究和利用森林資源的基礎(chǔ)。本文以地形復(fù)雜的大興安嶺根河實(shí)驗(yàn)區(qū)茂密森林為研究對(duì)象,利用2016年獲取的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)和高光譜遙感影像為基礎(chǔ),建立針對(duì)不同樹種分類的點(diǎn)云特征和高光譜特征,選用支持向量機(jī)(Support Vector Machine,SVM)分類器,對(duì)主要樹種進(jìn)行識(shí)別分類。同時(shí)以C#編程語(yǔ)言和Skyline系列軟件提供的控件和接口,開發(fā)了復(fù)雜環(huán)境森林樹種分類與三維顯示原型系統(tǒng),實(shí)現(xiàn)了樹木數(shù)據(jù)查詢、管理、分類和三維顯示等功能,為復(fù)雜環(huán)境下森林的生態(tài)監(jiān)測(cè)和可持續(xù)經(jīng)營(yíng)提供數(shù)據(jù)與技術(shù)支持。本文的主要研究?jī)?nèi)容如下:(1)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)和高光譜影像數(shù)據(jù)特征提取。高光譜遙感影像具有豐富的光譜信息和紋理信息,機(jī)載LiDAR能夠獲取林木垂直結(jié)構(gòu)特征。針對(duì)研究區(qū)地形起伏大、樹林茂密的復(fù)雜環(huán)境條件,本文通過對(duì)研究區(qū)機(jī)載Li DAR點(diǎn)云數(shù)據(jù)進(jìn)行地形因子校正后,利用區(qū)域增長(zhǎng)結(jié)合閾值判斷的方法(Point Clo...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 樹種分類研究現(xiàn)狀
        1.2.2 森林三維顯示研究現(xiàn)狀
    1.3 發(fā)展態(tài)勢(shì)
    1.4 論文研究?jī)?nèi)容及路線
        1.4.1 研究?jī)?nèi)容
        1.4.2 技術(shù)路線
    1.5 論文組織結(jié)構(gòu)
第二章 研究區(qū)域與數(shù)據(jù)
    2.1 研究區(qū)域概況
    2.2 研究區(qū)數(shù)據(jù)
        2.2.1 遙感數(shù)據(jù)
        2.2.2 樣地實(shí)測(cè)數(shù)據(jù)
        2.2.3 機(jī)載LiDAR數(shù)據(jù)預(yù)處理
        2.2.4 高光譜影像數(shù)據(jù)預(yù)處理
            2.2.4.1 輻射定標(biāo)
            2.2.4.2 幾何校正
            2.2.4.3 大氣校正
            2.2.4.4 機(jī)載LiDAR和高光譜影像配準(zhǔn)
    2.3 本章小結(jié)
第三章 機(jī)載LIDAR與高光譜數(shù)據(jù)特征構(gòu)建與提取
    3.1 復(fù)雜環(huán)境森林機(jī)載LiDAR與高光譜數(shù)據(jù)特征體系構(gòu)建
        3.1.1 機(jī)載LiDAR點(diǎn)云數(shù)據(jù)特征選擇
        3.1.2 高光譜影像特征選擇
    3.2 機(jī)載LiDAR點(diǎn)云數(shù)據(jù)特征提取
        3.2.1 地形因子校正
        3.2.2 單木分割
        3.2.3 點(diǎn)云數(shù)據(jù)特征提取
    3.3 高光譜影像特征提取
        3.3.1 高光譜數(shù)據(jù)特征波段選擇
        3.3.2 光譜反射率特征
        3.3.3 植被指數(shù)-NDVI
        3.3.4 紋理特征
            3.3.4.1 PCA變換
            3.3.4.2 灰度共生矩陣(GLCM)
    3.4 本章小結(jié)
第四章 基于機(jī)載LIDAR和高光譜數(shù)據(jù)樹種分類
    4.1 遙感分類概述
    4.2 基于SVM分類
        4.2.1 SVM概述
        4.2.2 核函數(shù)與參數(shù)選擇
    4.3 分類實(shí)驗(yàn)
    4.4 研究區(qū)樹種分類
    4.5 精度評(píng)定
    4.6 本章小結(jié)
第五章 系統(tǒng)設(shè)計(jì)與開發(fā)
    5.1 需求分析與設(shè)計(jì)原則
        5.1.1 需求分析
        5.1.2 系統(tǒng)設(shè)計(jì)原則
    5.2 開發(fā)配置與架構(gòu)
        5.2.1 系統(tǒng)開發(fā)配置
        5.2.2 系統(tǒng)架構(gòu)
    5.3 系統(tǒng)設(shè)計(jì)中的主要技術(shù)和算法介紹
        5.3.1 .NET開發(fā)平臺(tái)介紹
        5.3.2 Skyline
        5.3.3 GDAL及其配置
        5.3.4 MPT
        5.3.5 3D模型
        5.3.6 Instance技術(shù)
    5.4 復(fù)雜環(huán)境森林樹種分類與三維顯示原型系統(tǒng)測(cè)試與應(yīng)用
        5.4.1 系統(tǒng)簡(jiǎn)介概述
        5.4.2 數(shù)據(jù)管理
        5.4.3 復(fù)雜環(huán)境森林三維顯示
        5.4.4 復(fù)雜環(huán)境森林三維場(chǎng)景功能
            5.4.4.1 縮放與平移
            5.4.4.2 視圖切換與旋轉(zhuǎn)
            5.4.4.3 分層顯示
            5.4.4.4 屬性查詢
        5.4.5 分類處理
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3782362