本文選題：大區(qū)域　切入點(diǎn)：遙感分類　出處：《中國(guó)林業(yè)科學(xué)研究院》2016年博士論文

【摘要】：為深入實(shí)施以生態(tài)建設(shè)為主的林業(yè)發(fā)展策略,加快推進(jìn)林業(yè)現(xiàn)代化建設(shè),加快國(guó)土綠化,加強(qiáng)資源保護(hù),將實(shí)現(xiàn)森林資源的現(xiàn)代化管理作為林業(yè)部門重要工作之一。森林資源不僅分布遼闊,且還時(shí)時(shí)處于變化中,取得可靠的森林資源信息、了解森林資源狀況及其變化規(guī)律是森林資源現(xiàn)代化管理的主要內(nèi)容。隨著3S技術(shù)的發(fā)展,利用遙感技術(shù)對(duì)森林資源進(jìn)行調(diào)查監(jiān)測(cè),科學(xué)、快速、高效地獲取森林資源分布狀況及其動(dòng)態(tài)變化信息,為政府部門的規(guī)劃、決策提供科學(xué)有效的數(shù)據(jù)支撐,是森林資源現(xiàn)代化管理的工作重心。本研究依據(jù)中國(guó)科學(xué)院植被圖編輯委員會(huì)于2001編制的中國(guó)植被區(qū)劃圖,將全國(guó)分為8個(gè)區(qū)域進(jìn)行森林覆蓋信息的提取。選擇植被覆蓋率較高,植被類型多樣的的寒溫帶針葉林區(qū)域展開模型算法、技術(shù)方法的研究。開展的主要工作如下:(1)本研究依據(jù)植被生長(zhǎng)受地形、溫度、降水等環(huán)境因素影響的客觀規(guī)律,按中國(guó)植被區(qū)劃將全國(guó)分為8個(gè)區(qū)域進(jìn)行大區(qū)域森林覆蓋信息的提取。(2)基于遙感影像的大區(qū)域植被類型樣本快速提取方法研究。利用遙感影像的宏觀性特征,基于植被分類資料,依據(jù)實(shí)驗(yàn)區(qū)域遙感影像及衍生影像本身特點(diǎn),實(shí)現(xiàn)大區(qū)域植被樣本快速提取。實(shí)驗(yàn)參考1:100萬(wàn)中國(guó)植被圖、WESTDC中國(guó)土地覆蓋圖,結(jié)合實(shí)驗(yàn)區(qū)域2001年MODIS時(shí)序NDVI影像的非監(jiān)督分類結(jié)果,利用矢、柵數(shù)據(jù)的空間特征,將實(shí)驗(yàn)影像非監(jiān)督分類的類型信息關(guān)聯(lián)為隨機(jī)樣點(diǎn)屬性,依據(jù)該屬性中包含的非監(jiān)督分類類型數(shù)和各類型的樣點(diǎn)比例,對(duì)比類別間樣本可分離性指標(biāo)、標(biāo)準(zhǔn)差變化,實(shí)現(xiàn)樣本純化。純化后的植被樣本與WESTDC中植被空間分布基本一致,主要植被類型空間分布精確程度為84.82%。將純化前后的樣本輸入最大似然分類器,純化后樣本分類的總體精度提高了25.62%。認(rèn)為該采樣方法適用于宏觀大區(qū)域植被樣本數(shù)據(jù)提取,并具有快速高效的優(yōu)勢(shì)。(3)基于證據(jù)理論組合多分類規(guī)則實(shí)現(xiàn)大區(qū)域植被遙感分類的研究。通過(guò)IDL編程快速實(shí)現(xiàn),基于證據(jù)理論正交規(guī)則的多分類器組合分類算法模型,該模型算法綜合了不同單分類器的特征優(yōu)勢(shì),提高了植被分類精度,從而高效地得到實(shí)驗(yàn)區(qū)森林覆蓋信息。實(shí)驗(yàn)依據(jù)證據(jù)理論辨識(shí)框架概念設(shè)計(jì)分類系統(tǒng),通過(guò)最大似然、最小距離、時(shí)序波譜角(SAM)三個(gè)單分類器得到各分類規(guī)則的類型特征影像數(shù)據(jù)。利用IDL程序算法,將各分類規(guī)則得到的類型特征影像歸一化處理成以三個(gè)單分類規(guī)則為證據(jù)源的各類型概率分配影像數(shù)據(jù)(mBpa),為了避免不同證據(jù)源低信任值相近可能導(dǎo)致的證據(jù)理論的“合成悖論”(“Zadeh悖論”)現(xiàn)象,設(shè)置“超集”概念集。進(jìn)一步通過(guò)證據(jù)理論正交規(guī)則將不同證據(jù)源的mBpa合成,計(jì)算合成后的信任函數(shù)(Belief),最后,依據(jù)影像數(shù)據(jù)最大信任度原則(CBV),得到組合分類器的植被類型分布影像,并提取其中的森林覆蓋信息。相比最大似然、最小距離、時(shí)序SAM三個(gè)單分類器的總體精度69.88%、66.06%、62.77%;最大似然與最小距離組合分類、最小距離與時(shí)序SAM組合分類、最大似然與時(shí)序SAM組合分類的總體精度分別為78.14%、72.56%、76.19%;將三個(gè)單分類規(guī)則通過(guò)證據(jù)理論組合后的分類總體精度為80.84%。研究表明組合分類規(guī)則的分類結(jié)果總體精度均高于單分類器;證據(jù)源的精度對(duì)分類總體精度存在影響,證據(jù)源精度越高,越能夠提高組合分類器的分類精度;相關(guān)的證據(jù)源越多,越能夠提高組合分類器的分類精度(4)依據(jù)以上快速采樣和證據(jù)理論組合分類器的方法,對(duì)全國(guó)8個(gè)植被區(qū)劃進(jìn)行植被類型遙感分類,從而提取全國(guó)森林覆蓋信息。實(shí)驗(yàn)得到的全國(guó)喬木覆蓋面積約為1500660 km2,覆蓋率為15.69%,灌木覆蓋面積約為844950 km2,覆蓋率為8.83%;中國(guó)植被圖中喬木覆蓋面積約為1499000 km2,覆蓋率為15.67%,灌木覆蓋面積約為891400 km2,覆蓋率為9.32%。兩個(gè)數(shù)據(jù)的喬木覆蓋率相差0.02%,灌木覆蓋率相差0.49%。實(shí)驗(yàn)得到的全國(guó)喬木覆蓋率,與第六次森林資源清查數(shù)據(jù)的喬木覆蓋率相差0.47%。本研究結(jié)合專家經(jīng)驗(yàn)和遙感影像基于統(tǒng)計(jì)方法實(shí)現(xiàn)大區(qū)域植被樣本的快速采集,基于證據(jù)理論組合多分類規(guī)則的方法實(shí)現(xiàn)大區(qū)域植被遙感分類,構(gòu)建了快速、高效地提取大區(qū)域植被類型信息的算法模型,從而實(shí)現(xiàn)了全國(guó)森林覆蓋信息的快速提取。
[Abstract]:Based on the spatial characteristics of forest resources , the paper studies the spatial distribution of forest resources by using remote sensing technology . The results of this study are as follows : ( 1 ) The research is based on the spatial characteristics of forest resources . The results of this study are as follows : ( 1 ) Based on the data of vegetation classification , the paper studies the spatial distribution of forest resources . Based on the theory of evidence theory , the classification accuracy of the three single classifiers is 78.14 % , 72.56 % and 76.19 % . The coverage rate is 15.67 % , the coverage area of shrub is about 891,400 km2 , the coverage rate is 9.32 % . The tree coverage rate of the two data is 0 . 02 % , and the shrub coverage is 0 . 49 % .

【學(xué)位授予單位】：中國(guó)林業(yè)科學(xué)研究院
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：S757

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 廖靖;覃先林;周汝良;;利用2種植被指數(shù)監(jiān)測(cè)中國(guó)6種典型森林生長(zhǎng)期的比較研究[J];西南林業(yè)大學(xué)學(xué)報(bào);2014年03期

2 宮攀;;基于物候特征參數(shù)的土地覆蓋分類研究——以東北地區(qū)為例[J];安徽農(nóng)業(yè)科學(xué);2010年11期

3 朱滿;胡光宇;于之峰;;基于融合NDVI和EVI時(shí)間序列的遙感影像分類研究[J];遙感信息;2009年05期

4 劉禮;于強(qiáng);;分層分類與監(jiān)督分類相結(jié)合的遙感分類法研究[J];林業(yè)調(diào)查規(guī)劃;2007年04期

5 宮攀;陳仲新;;基于MODIS數(shù)據(jù)中國(guó)土地覆蓋制圖分類系統(tǒng)研究[J];青島科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2007年02期

6 鄧書斌;武紅敢;江濤;;基于PCA/NDVI的森林覆蓋遙感信息提取方法研究[J];國(guó)土資源遙感;2007年02期

7 劉勇洪,牛錚;基于MODIS遙感數(shù)據(jù)的宏觀土地覆蓋特征分類方法與精度分析研究[J];遙感技術(shù)與應(yīng)用;2004年04期

8 李苗苗,吳炳方,顏長(zhǎng)珍,周為峰;密云水庫(kù)上游植被覆蓋度的遙感估算[J];資源科學(xué);2004年04期

9 吳健平，楊星衛(wèi);遙感數(shù)據(jù)監(jiān)督分類中訓(xùn)練樣本的純化[J];國(guó)土資源遙感;1996年01期

相關(guān)博士學(xué)位論文 前6條

1 高祥;森林資源調(diào)查監(jiān)測(cè)信息化技術(shù)方法研究[D];北京林業(yè)大學(xué);2015年

2 黎治華;基于MODIS反演重構(gòu)時(shí)間序列數(shù)據(jù)的長(zhǎng)江三角洲地區(qū)生態(tài)環(huán)境演變研究[D];華東師范大學(xué);2011年

3 王欣;多傳感器數(shù)據(jù)融合問(wèn)題的研究[D];吉林大學(xué);2006年

4 于嶸;基于遙感時(shí)序數(shù)據(jù)的中國(guó)陸地植被覆蓋變化分析研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

5 駱成鳳;中國(guó)土地覆蓋分類與變化監(jiān)測(cè)遙感研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

6 延昊;中國(guó)土地覆蓋變化與環(huán)境影響遙感研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2002年

相關(guān)碩士學(xué)位論文 前7條

1 張智超;基于多分類器組合的塔河林區(qū)森林類型信息提取技術(shù)[D];東北林業(yè)大學(xué);2015年

2 楊玉霞;基于智能算法的土地覆蓋分類研究[D];內(nèi)蒙古師范大學(xué);2012年

3 劉金婷;基于MODIS數(shù)據(jù)的土地覆蓋/土地利用分類研究[D];哈爾濱師范大學(xué);2011年

4 胡勇;多時(shí)相遙感影像土地覆蓋自動(dòng)分類研究[D];西安科技大學(xué);2011年

5 何彬方;基于MODIS數(shù)據(jù)土地覆蓋分類研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

6 王榮靜;基于SVM的MODIS數(shù)據(jù)土地覆蓋分類方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2005年

7 劉勇洪;基于MODIS數(shù)據(jù)的中國(guó)區(qū)域土地覆蓋分類研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

，

本文編號(hào)：1672125