【摘要】：森林植被的分類提取是基于遙感技術(shù)的森林資源監(jiān)測體系中的基礎(chǔ)和關(guān)鍵環(huán)節(jié)。森林植被分類提取的結(jié)果不僅關(guān)系到森林面積、空間位置、森林類別等定性監(jiān)測指標(biāo)精度,還直接影響到森林植被的蓄積量、生物量、碳儲(chǔ)量、生物多樣性、生態(tài)服務(wù)功能等定量監(jiān)測的精度。我國高分系列遙感衛(wèi)星和資源系列衛(wèi)星的成功發(fā)射,使高分辨率遙感數(shù)據(jù)極大豐富,亟需以國產(chǎn)高分遙感數(shù)據(jù)為依托,研究森林植被分類提取中涉及的遙感影像預(yù)處理流程、圖像分割方法、最優(yōu)分割尺度選擇、分類模型構(gòu)建方式等系列關(guān)鍵技術(shù)環(huán)節(jié),構(gòu)建較為完善森林植被分類提取體系,以及進(jìn)行將多時(shí)相遙感數(shù)據(jù)、DEM數(shù)據(jù)、多分辨率影像數(shù)據(jù)有效綜合應(yīng)用于森林植被分類提取中的研究,為國產(chǎn)高分遙感數(shù)據(jù)在森林資源監(jiān)測中的高效應(yīng)用提供參考。本研究以延慶縣松山國家自然保護(hù)區(qū)及周邊99km2的區(qū)域?yàn)檠芯繀^(qū),以GF-2影像為遙感數(shù)據(jù)源,以森林植被的分類提取為主線,構(gòu)建基于面向?qū)ο蟾叻直媛蔬b感的森林植被分類提取體系框架,研究了GF-2號數(shù)據(jù)的數(shù)據(jù)處理流程與地物的光譜可分性；嘗試改進(jìn)了基于Mean Shift、區(qū)域合并算法和地形分區(qū)算法的多尺度分割方法,提出了基于先驗(yàn)知識的最優(yōu)尺度選擇方法；根據(jù)不同地物表現(xiàn)形式下的影像對象特征的分析統(tǒng)計(jì)結(jié)果,實(shí)現(xiàn)了多時(shí)相遙感數(shù)據(jù)和影像特征指標(biāo)的選取；應(yīng)用CART決策樹算法在四種不同的多尺度分割結(jié)果基礎(chǔ)上獲取了四個(gè)森林植被分層提取規(guī)則集；應(yīng)用混淆矩陣對各規(guī)則集提取的分類結(jié)果進(jìn)行了精度驗(yàn)證。主要研究結(jié)果如下：(1)通過目視與定量評價(jià)方法,分析基于PCA、GS、Pansharp與SFIM等4種融合方法的GF-2全色和多光譜影像數(shù)據(jù)的融合結(jié)果,得出Pansharp融合算法得到的影像在清晰度和地物空間辨識度方面優(yōu)于其他三種方法,是在應(yīng)用GF-2號影像對地物邊界需要較高精度提取時(shí)的最佳融合方法。(2)應(yīng)用J-M距離定量對比分析了GF-2號遙感影像與WorldView-2多光譜遙感影像的地物光譜可分性,得出GF-2號遙感影像在地物大類的區(qū)分中具有較好的光譜可分性,林地與其他地類間均具有較高的區(qū)分度,且在該研究區(qū)獲取的GF-2號多光譜遙感影像在多個(gè)地類問的光譜可分性與基于四個(gè)常見的波段組合的WorldView-2多光譜遙感影像相近。(3)研究構(gòu)建了基于Mean Shift算法、區(qū)域合并算法和地形分區(qū)方法的多尺度分割方法,該分割方法結(jié)合本文提出的基于先驗(yàn)知識的最優(yōu)尺度選擇方法獲取了研究區(qū)的分割結(jié)果。通過與采用eCogniton軟件中的多尺度分割算法并結(jié)合ESP尺度評價(jià)工具進(jìn)行的多尺度分割結(jié)果進(jìn)行對比得出,基于本文改進(jìn)的多尺度分割方法和基于先驗(yàn)知識的最優(yōu)尺度選擇方法下的分割結(jié)果,其分割效果更符合森林植被分類中的應(yīng)用。(4)應(yīng)用CART決策樹算法構(gòu)建了基于FNEA多尺度分割方法、基于Mean Shift和區(qū)域合并算法的多尺度分割方法、基于地形分區(qū)的Mean Shift和區(qū)域合并算法的多尺度分割方法、基于改進(jìn)分層提取的高分辨率森林植被分類方法等四種方法分割結(jié)果下的分類規(guī)則集。根據(jù)分類規(guī)則集獲取了研究區(qū)的分類結(jié)果,并應(yīng)用混淆矩陣驗(yàn)證了各方法下的分類精度,結(jié)果表明：基于改進(jìn)分層提取的高分辨率森林植被分類方法分類精度最高,總體分類精度為82.24%,KAPPA系數(shù)為82.67%；基于地形分區(qū)的Mean Shift和區(qū)域合并算法的多尺度分割方法分類精度次之,總體分類精度為79.51%,KAPPA系數(shù)為79.99%；基于FNEA多尺度分割方法和基于Mean Shift和區(qū)域合并算法的多尺度分割方法分類精度較差,總體分類精度分別為77.32%和77.05%,KAPPA系數(shù)分別為77.84%和77.38%。
【圖文】：

現(xiàn)形式下的的光譜特征、紋理特征、專題指數(shù)特征采用ＣＡＲＴ決策樹方法進(jìn)行分類規(guī)逡逑則集構(gòu)建；最后，根據(jù)分類規(guī)則集獲取研究區(qū)的分類結(jié)果，并應(yīng)用混淆矩陣驗(yàn)證本文逡逑設(shè)計(jì)的森林植被提取方法的分類精度�？傮w技術(shù)流程如圖２－２所示。逡逑２１逡逑

大陸性季風(fēng)氣候，位于溫帶與中溫帶、半干旱與半濕潤帶的過渡區(qū)域，氣候冬冷夏涼，，逡逑年平均氣溫８°Ｃ。逡逑本研究Ｗ松山國家自然保護(hù)區(qū)及周邊９９ｋｍ２的區(qū)域?yàn)檠芯繀^(qū)（圖３－１）。該區(qū)域包逡逑含自然保護(hù)區(qū)、京津風(fēng)沙源工程、平原造林工程地塊，因此±地覆被多樣，森林植被逡逑類型豐富，是植被分類研究的良好試驗(yàn)場。研究區(qū)內(nèi)森林植被類型包括闊葉林、針葉逡逑林、灌木林、喬木園地、苗圃、未成林造林地，主要喬木樹種為油松（巧ｎｗ邋ｔｏＡｗ／礦ｗｖｗｂ）、逡逑側(cè)柏（b6／幻皆ｃ／化／ｗｏｒｚ’ｅｎｆｏ［化）、刺槐內(nèi)山護(hù)ＣＭ成）幻ｃａｃｚ？幻）、黑梓（公６化／口成ｍ／ｒｚ＇ｃ口逡逑Ｐａｌｌ）、白z1（公ｅ化／口；？／口她片挪幻Ｓｕｋ）、山楊（b6ｏｐ＂／ｗ舶Ｖ誠ａｎａ）、蒙古巧逡逑ｗｏｎｇｏ妃幻Ｆｉｓｄｉ）、迂東巧（貧ｗｃｗｗＷ饑’■ｓ＆＜ｍｗ？Ｍａｒｙ）等。逡逑典＾－７邋Ｉ邐接一）逡逑啊yP＇＇雌邐ｊ邐＿Ａ＼逡逑娭榞Ｉ；？邐許《岕巧灥戶逡逑均逡逑目Ｓ區(qū)邊界逡逑－？？《，邐冷邐０邋２．５邋５邐１０邋巧邋２電＿＊逡逑圖３－１研究區(qū)位置圖逡逑Ｆｉｇ．３－１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋ｔｈｅ邋ｓｔｕｄｙ邋ａｒｅａ逡逑２３逡逑
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：S771.8

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭航;張曉麗;;基于遙感技術(shù)的植被分類研究現(xiàn)狀與發(fā)展趨勢[J];世界林業(yè)研究;2007年03期

2 趙一;;植被分類系統(tǒng)與方法綜述[J];河北林果研究;2010年02期

3 宋永昌;;對中國植被分類系統(tǒng)的認(rèn)知和建議[J];植物生態(tài)學(xué)報(bào);2011年08期

4 王志偉;史健宗;岳廣陽;趙林;南卓銅;吳曉東;喬永平;吳通華;鄒德福;;玉樹地區(qū)融合決策樹方法的面向?qū)ο笾脖环诸怺J];草業(yè)學(xué)報(bào);2013年05期

5 周遠(yuǎn)瑞;;廣東省的植被分類系統(tǒng)[J];植物生態(tài)學(xué)與地植物學(xué)叢刊;1963年Z1期

6 張秋江;;應(yīng)用遙感數(shù)據(jù)進(jìn)行植被分類[J];林業(yè)勘查設(shè)計(jì);1990年02期

7 喻素芳;溫遠(yuǎn)光;朱宏光;韓明臣;秦武明;陸道調(diào);;“3S”技術(shù)在植被分類中的應(yīng)用研究[J];安徽農(nóng)業(yè)科學(xué);2009年12期

8 周廣勝,張新時(shí);全球變化的中國氣候-植被分類研究[J];植物學(xué)報(bào);1996年01期

9 方正,胡式之;第一次全國植被分類、分區(qū)及制圖學(xué)術(shù)工作會(huì)議簡報(bào)[J];植物生態(tài)學(xué)與地植物學(xué)叢刊;1981年02期

10 于拔;第二次全國植被分類、分區(qū)及制圖學(xué)術(shù)工作會(huì)議在安陽召開[J];植物生態(tài)學(xué)與地植物學(xué)叢刊;1982年02期

相關(guān)會(huì)議論文 前4條

1 桑衛(wèi)國;馬克平;;植被分類與生物多樣性主題信息標(biāo)準(zhǔn)的研究[A];面向21世紀(jì)的中國生物多樣性保護(hù)——第三屆全國生物多樣性保護(hù)與持續(xù)利用研討會(huì)論文集[C];1998年

2 黃勇;姚筠;劉惠敏;張宏群;;基于傅立葉變換的衛(wèi)星遙感地表植被分類[A];中國氣象學(xué)會(huì)2006年年會(huì)“衛(wèi)星遙感技術(shù)進(jìn)展及應(yīng)用”分會(huì)場論文集[C];2006年

3 關(guān)文彬;吳建安;梁廣林;王棒;馬克明;劉國華;汪西林;;岷江源區(qū)植被分類及其主要類型[A];中國生物多樣性保護(hù)與研究進(jìn)展——第五屆全國生物多樣性保護(hù)與持續(xù)利用研討會(huì)論文集[C];2002年

4 李貴才;劉勇洪;;基于MODIS數(shù)據(jù)的中國植被遙感分類[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2006年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)記者 延宏;植物給氣候號脈[N];科技日報(bào);2001年

2 錢錚;日本衛(wèi)星“三只眼”上天[N];地質(zhì)勘查導(dǎo)報(bào);2006年

相關(guān)博士學(xué)位論文 前1條

1 李偉濤;高分辨率遙感森林植被分類提取研究[D];北京林業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前8條

1 朱子先;基于高光譜遙感影像的扎龍濕地植被分類研究[D];哈爾濱師范大學(xué);2012年

2 曾蘭;《美國國家植被分類標(biāo)準(zhǔn)》翻譯實(shí)踐報(bào)告[D];湘潭大學(xué);2014年

3 王穎;基于NDVI-LST模型的長白山地區(qū)植被分類與動(dòng)態(tài)變化研究[D];東北師范大學(xué);2011年

4 安冬妮;烏珠穆沁盆地植被分類研究[D];內(nèi)蒙古大學(xué);2010年

5 陳丹;基于HJ-1A星HSI高光譜數(shù)據(jù)的植被分類研究[D];南京農(nóng)業(yè)大學(xué);2012年

6 趙一;北京山地植被分類與特征分析[D];北京林業(yè)大學(xué);2010年

7 郭航;北京山區(qū)森林植被分類技術(shù)研究[D];北京林業(yè)大學(xué);2007年

8 李利平;北京霧靈山自然保護(hù)區(qū)植被分類與重點(diǎn)保護(hù)植物評價(jià)[D];北京林業(yè)大學(xué);2005年

本文編號：2548570