本文選題：經(jīng)濟(jì)型人工林　切入點(diǎn)：桉樹　出處：《中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：植被是全球陸地生態(tài)系統(tǒng)重要的組成部分,它不僅為陸地生態(tài)系統(tǒng)提供了維持其正常運(yùn)轉(zhuǎn)的能源動(dòng)力,也為生態(tài)系統(tǒng)中其他物種提供了棲息場(chǎng)所。在全球變化和人類活動(dòng)日益加劇的條件下,全球植被的類型和格局發(fā)生了巨大變化,伴隨著大量的原生林砍伐,人工林種植面積急劇增加,使得某些地區(qū)原有生態(tài)系統(tǒng)失去平衡,嚴(yán)重減少了該地區(qū)的生物多樣性。因此,經(jīng)濟(jì)型人工林時(shí)空動(dòng)態(tài)信息的提取對(duì)陸地生態(tài)系統(tǒng)功能的保護(hù)具有重要的意義。但是,目前的對(duì)經(jīng)濟(jì)型人工林的識(shí)別使用的數(shù)據(jù)多為時(shí)間分辨率較高、空間分辨率較低的MODIS數(shù)據(jù),通過(guò)傳統(tǒng)的分析算法,如分塊差值算法、標(biāo)準(zhǔn)化歐氏距離算法、Bounding Envelope算法等。但是這些算法對(duì)于中小區(qū)域尺度的經(jīng)濟(jì)型人工林識(shí)別中,并不適用。本文在使用Landsat 5 TM、Landsat 7 ETM和HJ 1重構(gòu)了歸一化植被指數(shù)(NDVI)時(shí)間序列數(shù)據(jù)的基礎(chǔ)上,提出了一種倒三角形面積算法,并利用該算法成功提取了韶關(guān)、河源和贛州3個(gè)市桉樹人工林的時(shí)空分布,另外還通過(guò)分析了生長(zhǎng)期類型和影像獲取時(shí)間之間的關(guān)系間接地推算出了相對(duì)精確的種植年份,從而得出了如下結(jié)論:1.基于Landsat 5 TM、Landsat 7 ETM和HJ 1數(shù)據(jù)重構(gòu)NDVI時(shí)間序列Landsat 5 TM數(shù)據(jù)的大量缺失和質(zhì)量問題使得本文采用了Landsat 7 ETM和HJ 1數(shù)據(jù)來(lái)填補(bǔ)空缺。不同的數(shù)據(jù)源,在光譜響應(yīng)函數(shù)、衛(wèi)星運(yùn)行軌道、獲取影像時(shí)太陽(yáng)高度角、觀測(cè)角度等方面可能存在差異,為了探究這種差異的大小,本文對(duì)2012年的4對(duì)LANDSAT 5 TM和HJ影像進(jìn)行了分析,在分別對(duì)比了100多個(gè)同名點(diǎn)的NDVI值后,發(fā)現(xiàn)二者的NDVI相關(guān)性都達(dá)到了98%以上,證明LANDSAT 5 TM/ETM、HJ數(shù)據(jù)雖然存在些微差異,但是不足以對(duì)分類造成影響。說(shuō)明使用LANDSAT 5 TM/ETM、HJ數(shù)據(jù)來(lái)重構(gòu)NDVI時(shí)間序列進(jìn)行地物分類具是具有可行性的。2.基于倒三角形面積算法識(shí)別小區(qū)域尺度桉樹人工林針對(duì)本研究重構(gòu)的NDVI時(shí)間序列存在不連續(xù)、最小時(shí)間間隔偏大的問題,在充分考慮桉樹人工林像元參考時(shí)間序列規(guī)律的基礎(chǔ)上,提出了一種新的算法——倒三角形面積算法(ITA)。相比其他三種桉樹識(shí)別算法,它避免了對(duì)浮動(dòng)值較大的單個(gè)時(shí)間點(diǎn)NDVI值進(jìn)行描述,而是利用穩(wěn)定性較強(qiáng)的倒三角形面積來(lái)描述NDVI的整體走向。在此基礎(chǔ)上,利用超高分辨率的無(wú)人機(jī)合成相片對(duì)本研究提出的算法進(jìn)行了訓(xùn)練和驗(yàn)證,結(jié)果表明,使用ITA算法識(shí)別桉樹,用戶精度和制圖精度接近于80%,而其他三種傳統(tǒng)的算法的分類精度只有50%左右。為了更好地驗(yàn)證ITA的適用性,本文還使用了GF-1數(shù)據(jù),選取了兩塊較大區(qū)域?qū)TA算法進(jìn)行驗(yàn)證,結(jié)果也表明,分類的用戶精度和制圖精度達(dá)到了76%,從而證明了使用倒三角形面積算法進(jìn)行小區(qū)域尺度桉樹識(shí)別的可行性。3.桉樹人工林種植時(shí)間估算在分析了135個(gè)參考桉樹像元快速生長(zhǎng)期內(nèi)影像最早獲取時(shí)間和生長(zhǎng)期類型(一年長(zhǎng)和兩年長(zhǎng))之間的關(guān)系后,本論文進(jìn)行了大膽的假設(shè):引入了影像最早獲取時(shí)間與砍伐時(shí)間之間的時(shí)間間隔?t這一參數(shù),利用其來(lái)推算桉樹相對(duì)精確的種植時(shí)間。在得到初步的估算結(jié)果后,又使用了迭代的方式對(duì)?t進(jìn)行修正,提高估算的準(zhǔn)確度。結(jié)果表明,使用該方法估算的種植時(shí)間和實(shí)際種植時(shí)間之間的均方根誤差為3個(gè)月左右,這樣的估算精度是滿足實(shí)際應(yīng)用需求的。4.韶關(guān)市、河源市、贛州市桉樹種植時(shí)空變化情況在繪制廣東省韶關(guān)市、河源市、贛州市三市桉樹種植時(shí)空變化情況時(shí),結(jié)合了本文提出的倒三角形積算法和BE算法進(jìn)行桉樹像元識(shí)別,利用本文提出方法進(jìn)行桉樹種植時(shí)間估算。在此基礎(chǔ)上獲得廣東省三市從2000年至2014年的桉樹種植時(shí)空分布信息。結(jié)果顯示,在這15年間,該研究區(qū)每年桉樹種植面積都處于變化狀態(tài),其中,2007年和2008年到達(dá)種植最高峰,種植面積超過(guò)250km~2,其余年份種植面積控制在100km~2左右。
[Abstract]:Vegetation is an important part of the global terrestrial ecosystem, it is not only for the terrestrial ecosystem provides energy and power maintain its normal functioning, but also provide a habitat for other species in the ecosystem. In the global change and human activities in the growing conditions, great changes have taken place in the type and pattern of global vegetation, accompanied by a lot of native forest felling, plantation area increased dramatically, making the original ecological system in some areas is out of balance, reduce the biodiversity of the region. It is of great significance to extract economic dynamic artificial forest information protection of terrestrial ecosystems. However, recognition of economic plantation at present, the use of data for the higher time resolution, MODIS data of low spatial resolution, through the analysis of the traditional algorithms, such as block difference algorithm, standardization The Euclidean distance algorithm, Bounding Envelope algorithm and so on. But the economic plantations in recognition of these algorithms for small regional scale, is not applicable in this article. The use of Landsat 5 TM, Landsat 7 ETM and HJ 1 reconstruction of normalized difference vegetation index (NDVI) based on time series data, presents an inverted triangle area algorithm. Using the algorithm successfully extracted from Shaoguan, Heyuan and the temporal and spatial distribution of the 3 cities of Ganzhou eucalyptus plantation, also through the analysis of the relationship between growth period type and image acquisition time indirectly calculated the exact year of planting, and draws a conclusion as follows: 1. based on the Landsat 5 TM, a large number of missing and quality Landsat 7 ETM and HJ 1 Landsat 5 NDVI time series data reconstruction of TM data makes the Landsat ETM 7 and HJ 1 data to fill the vacancy. Different sources of data, the spectral response function The number of satellite orbit, acquiring the image when the sun angle, observation angle etc. there may be differences, in order to explore the differences in the size of the 4 in 2012 to 5 LANDSAT TM and HJ images were analyzed respectively in comparing the more than 100 points NDVI, NDVI found that the correlation between the two are reached more than 98%, 5 TM/ETM HJ LANDSAT that, although the data are slightly different, but not enough to affect the classification. It proved that the use of LANDSAT 5 TM/ETM, HJ NDVI data to reconstruct the time series classification is feasible.2. NDVI time series inverted triangle area recognition algorithm of regional scale for Eucalyptus Plantation in this study, there is a continuous reconstruction based on the minimum time interval is too large, considering the pixel of Eucalyptus Plantation reference sequence rule, this paper proposes a new algorithm- Inverted triangle area algorithm (ITA). Compared with the other three Eucalyptus species identification algorithm, it avoids the floating value of a single point in time NDVI large values are described, but the use of strong stability of inverted triangle area to describe the overall trend of NDVI. On this basis, the use of UAV photo synthesis was trained and validated on this study proposes an algorithm for ultra high resolution. The results show that the ITA algorithm is used to identify users of Eucalyptus, precision and mapping accuracy close to 80%, while only 50% of the classification accuracy of the other three traditional algorithms. In order to better verify the applicability of ITA, this paper also used the GF-1 data, the selection of the two large area to validate the ITA algorithm, the results also show that the classification accuracy and user mapping accuracy reached 76%, which proves that the use of inverted triangle area algorithm for regional scale identification of the feasibility of.3. Eucalyptus Eucalyptus The tree plantation planting time estimation in the analysis of the 135 reference pixel fast growth period of Eucalyptus is the earliest image acquisition time and growth period (a type of older and the relationship between the two years long), this paper carried out bold assumption: the time interval between the first introduced image acquisition time and cut down t? This parameter, use it to calculate time of planting Eucalyptus. Relatively accurate estimation results obtained in the preliminary, and use the iterative method of? T is modified, improve the estimation accuracy. The results show that the root mean square error between the use of the method to estimate the actual planting time and planting time is 3 this month, the estimation accuracy is to meet the needs of practical application of the.4. in Shaoguan City, Heyuan City, Ganzhou City, temporal and spatial variation of Eucalyptus Plantation in drawing Guangdong city of Shaoguan Province, Heyuan City, Ganzhou City, three city, temporal and spatial variation of Eucalyptus Plantation When combined with the proposed algorithm inverted triangle and BE algorithm using pixel identification of Eucalyptus, this paper proposes the method of Eucalyptus planting time estimation. Eucalyptus Plantation distribution information on the basis of the three cities of Guangdong province from 2000 to 2014. The results showed that, in the past 15 years, the study area every year Eucalyptus planting area a state of change, among them, in 2007 and 2008 to reach the peak of planting, planting area of more than 250km~2, the rest of the year of planting area of control in about 100km~2.

【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：S771

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 白亞恒,吳勝軍,黃進(jìn)良,薛懷平;基于時(shí)間序列的灰色預(yù)測(cè)技術(shù)在估產(chǎn)模型中的應(yīng)用[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年02期

2 張艷君;梁運(yùn)香;唐磊;;天氣和氣候的時(shí)間序列特征分析[J];農(nóng)業(yè)與技術(shù);2012年06期

3 向杰;程昌明;張軼;;小波分析在時(shí)間序列中的分析應(yīng)用[J];節(jié)水灌溉;2013年12期

4 楊蕊;王龍;余航;沈立群;田琳;;昆明歷史洪澇災(zāi)害時(shí)間序列分形特征研究[J];安徽農(nóng)業(yè)科學(xué);2012年07期

5 廖文輝;夏成鋒;;關(guān)聯(lián)時(shí)間序列異常數(shù)據(jù)的預(yù)警模型研究[J];仲愷農(nóng)業(yè)工程學(xué)院學(xué)報(bào);2012年02期

6 李紹石;胡正軍;王洪全;;稻田飛虱、狼蛛種群密度動(dòng)態(tài)數(shù)據(jù)時(shí)間序列預(yù)報(bào)模型[J];植物保護(hù)學(xué)報(bào);1989年01期

7 胡致強(qiáng),耿鴻江,李肥芬;小樣本時(shí)間序列的灰色組合模型研究及應(yīng)用[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;1993年01期

8 孫春薇;王旭磊;辛永訓(xùn);吳春妹;;幾種關(guān)于時(shí)間序列季節(jié)調(diào)整方法的研究[J];青島農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

9 周文;曹琳;;時(shí)間序列在干旱區(qū)棉花需水量預(yù)測(cè)中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2008年23期

10 李鑫川;徐新剛;王紀(jì)華;武洪峰;金秀良;李存軍;鮑艷松;;基于時(shí)間序列環(huán)境衛(wèi)星影像的作物分類識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2013年02期

相關(guān)會(huì)議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時(shí)間序列預(yù)報(bào)方法及其應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時(shí)間序列的航空備件消耗預(yù)測(cè)[A];中國(guó)系統(tǒng)工程學(xué)會(huì)決策科學(xué)專業(yè)委員會(huì)第六屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時(shí)間序列的非線性非平穩(wěn)特性研究綜述[A];國(guó)家安全地球物理叢書（八）——遙感地球物理與國(guó)家安全[C];2012年

4 李強(qiáng);;基于線性模型方法對(duì)時(shí)間序列中異常值的檢測(cè)及證券實(shí)證分析[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

5 戴麗金;何振峰;;基于云模型的時(shí)間序列相似性度量方法[A];第八屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時(shí)間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時(shí)問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)方法[A];第十五屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集（下）[C];2013年

8 黃云貴;;基于時(shí)間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時(shí)間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時(shí)間序列化[A];科學(xué)決策與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

相關(guān)重要報(bào)紙文章 前6條

1 ;《時(shí)間序列與金融數(shù)據(jù)分析》[N];中國(guó)信息報(bào);2004年

2 何德旭 王朝陽(yáng);時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國(guó)社會(huì)科學(xué)院院報(bào);2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2003年

4 西南證券高級(jí)研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計(jì)6月CPI同比上漲7.2%[N];證券時(shí)報(bào);2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日?qǐng)?bào);2009年

6 任勇邋鄭重;中國(guó)對(duì)世界鋼材價(jià)格的影響實(shí)證分析[N];現(xiàn)代物流報(bào);2007年

相關(guān)博士學(xué)位論文 前10條

1 張墨謙;遙感時(shí)間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測(cè)預(yù)報(bào)研究[D];昆明理工大學(xué);2015年

3 苗圣法;時(shí)間序列的模式檢測(cè)[D];蘭州大學(xué);2015年

4 翁同峰;時(shí)間序列與復(fù)雜網(wǎng)絡(luò)之間等價(jià)性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測(cè)估算北太平洋經(jīng)向熱輸運(yùn)[D];中國(guó)科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時(shí)間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 原繼東;時(shí)間序列分類算法研究[D];北京交通大學(xué);2016年

8 盧偉;基于粒計(jì)算的時(shí)間序列分析與建模方法研究[D];大連理工大學(xué);2015年

9 胡建明;基于正則化核學(xué)習(xí)模型的時(shí)間序列多步預(yù)測(cè)的研究與應(yīng)用[D];蘭州大學(xué);2016年

10 黃標(biāo)兵;回聲狀態(tài)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)方法及應(yīng)用研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

2 蘭鑫;時(shí)間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

3 米曉將;區(qū)域尺度下月均氣溫的時(shí)空演化格局研究[D];昆明理工大學(xué);2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測(cè)研究[D];南京信息工程大學(xué);2015年

5 林健;基于改進(jìn)小世界回聲狀態(tài)網(wǎng)的時(shí)間序列預(yù)測(cè)[D];渤海大學(xué);2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測(cè)方法[D];南京信息工程大學(xué);2015年

7 高雄飛;基于分形理論的土壤含水量時(shí)間序列特性分析[D];長(zhǎng)安大學(xué);2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

9 謝翠穎;蘇州社會(huì)消費(fèi)品零售總額簡(jiǎn)析[D];蘇州大學(xué);2015年

10 包仁義;基于時(shí)間序列的搜索引擎評(píng)估模型算法研究[D];東北師范大學(xué);2015年

，

本文編號(hào)：1576664