濕地植被作為濕地生態(tài)系統(tǒng)的最初級(jí)生產(chǎn)者,對(duì)于該生態(tài)系統(tǒng)功能的維持與發(fā)揮產(chǎn)生著重要作用。遙感技術(shù)應(yīng)用于濕地植被提取與分類具有快速、大面積且實(shí)時(shí)更新等優(yōu)勢(shì),能為濕地植被資源調(diào)查、生態(tài)修復(fù)提供合理的科學(xué)依據(jù)。本文以貴州威寧草海國(guó)家級(jí)自然保護(hù)區(qū)分布范圍較為廣泛的濕地優(yōu)勢(shì)植被群叢(艾蒿、菰、結(jié)縷草、牛筋草、三葉草)等為研究對(duì)象,首先基于野外實(shí)地測(cè)量濕地優(yōu)勢(shì)植被高光譜信息,通過(guò)光譜特征分析(原始光譜、導(dǎo)數(shù)光譜、倒數(shù)的對(duì)數(shù)以及包絡(luò)線去除等方法)統(tǒng)計(jì)、對(duì)比各濕地植被光譜特征差異及其光譜特征參數(shù),然后選用光譜標(biāo)準(zhǔn)差閾值法提取有效識(shí)別濕地植被間的光譜特征波段,同時(shí)基于野外實(shí)測(cè)植被光譜分別模擬不同傳感器(HJ1A-CCD、HJ1A-HSI)構(gòu)建常用于濕地植被提取的植被指數(shù),如歸一化植被指數(shù)NDVI、環(huán)境植被指數(shù)HJVI、土壤調(diào)節(jié)植被指數(shù)SAVI、差值植被指數(shù)DVI、修正歸一化水體指數(shù)MNDWI、比值植被指數(shù)RVI,并探討模擬植被指數(shù)對(duì)五種優(yōu)勢(shì)濕地植被的識(shí)別能力并篩選出評(píng)估效果較好的濕地植被與植被指數(shù);最后依據(jù)上述分析結(jié)果,分別采用最大似然法與決策樹(shù)完成草海保護(hù)區(qū)濕地植被識(shí)別與分類研究。相關(guān)研究結(jié)果如下:(1...

【文章頁(yè)數(shù)】：60 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 濕地植被遙感國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于遙感影像的濕地植被數(shù)據(jù)源選擇
        1.2.2 基于遙感影像的濕地植被遙感提取方法及改進(jìn)
        1.2.3 基于實(shí)測(cè)高光譜數(shù)據(jù)的濕地植被信息提取
        1.2.4 貴州威寧草海濕地植被研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容、技術(shù)路線及框架
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
        1.3.3 論文組織框架
第二章 研究區(qū)概況與數(shù)據(jù)處理
    2.1 研究區(qū)概況
        2.1.1 草海濕地優(yōu)勢(shì)植被群叢
    2.2 實(shí)測(cè)光譜獲取及預(yù)處理
        2.2.1 實(shí)測(cè)高光譜數(shù)據(jù)獲取
        2.2.2 實(shí)測(cè)高光譜數(shù)據(jù)預(yù)處理
    2.3 遙感影像獲取及其預(yù)處理
        2.3.1 遙感影像獲取
        2.3.2 遙感影像獲取預(yù)處理
第三章 基于實(shí)測(cè)高光譜的草海優(yōu)勢(shì)濕地植被群叢識(shí)別
    3.1 草海濕地優(yōu)勢(shì)植被的反射率光譜
        3.1.1 光譜反射率計(jì)算
        3.1.2 草海濕地優(yōu)勢(shì)植被光譜反射率特征分析
    3.2 草海濕地優(yōu)勢(shì)植被的導(dǎo)數(shù)光譜
        3.2.1 導(dǎo)數(shù)變換法與光譜特征參數(shù)
        3.2.2 草海濕地植被優(yōu)勢(shì)導(dǎo)數(shù)光譜分析
    3.3 草海濕地植被倒數(shù)的對(duì)數(shù)光譜
        3.3.1 倒數(shù)的對(duì)數(shù)法
        3.3.2 草海濕地優(yōu)勢(shì)植被倒數(shù)的對(duì)數(shù)光譜分析
    3.4 草海濕地優(yōu)勢(shì)植被的連續(xù)統(tǒng)去除光譜
        3.4.1 連續(xù)統(tǒng)去除法
        3.4.2 草海濕地優(yōu)勢(shì)植被的連續(xù)統(tǒng)去除分析
    3.5 濕地優(yōu)勢(shì)植被光譜特征波段研究
        3.5.1 濕地優(yōu)勢(shì)植被光譜特征波段選擇
        3.5.2 分類結(jié)果與評(píng)價(jià)
第四章 基于環(huán)境小衛(wèi)星HJ1A不同傳感器的濕地優(yōu)勢(shì)植被識(shí)別
    4.1 環(huán)境小衛(wèi)星HJ1A傳感器數(shù)據(jù)特征
    4.2 草海濕地優(yōu)勢(shì)植被的影像光譜特征
    4.3 模擬HJ1A不同傳感器(CCD、HSI)的植被指數(shù)計(jì)算方法
        4.3.1 基于模擬HJ1A-CCD影像植被指數(shù)的濕地優(yōu)勢(shì)植被識(shí)別能力分析
        4.3.2 基于模擬HJ1A-HSI影像植被指數(shù)的濕地優(yōu)勢(shì)植被識(shí)別能力分析
第五章 基于HJ1A-CCD影像的草海濕地優(yōu)勢(shì)植被群叢分類
    5.1 決策樹(shù)分類法與分類精度驗(yàn)證
        5.1.1 基于先驗(yàn)知識(shí)的決策樹(shù)分類方法
        5.1.2 分類精度驗(yàn)證方法
    5.2 環(huán)境小衛(wèi)星HJ1A-CCD影像不同地物特征分析
        5.2.1 環(huán)境小衛(wèi)星HJ1A-CCD不同地物各波段反射率統(tǒng)計(jì)特征分析
        5.2.2 環(huán)境小衛(wèi)星HJ1A-CCD影像植被指數(shù)分析
    5.3 基于先驗(yàn)知識(shí)的決策樹(shù)分類、制圖與分類精度驗(yàn)證
        5.3.1 草海濕地優(yōu)勢(shì)植被決策樹(shù)構(gòu)建
        5.3.2 分類結(jié)果與精度驗(yàn)證
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 不足與展望
附錄1：草海野外采樣路線
    附表1-1:野外光譜測(cè)量記錄表（部分）
    附表1-2:野外光譜測(cè)量記錄表（部分）
附錄2：草海濕地優(yōu)勢(shì)植被群叢圖片（部分）
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參與科研項(xiàng)目及發(fā)表論文情況



本文編號(hào)：3860935