森林生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)的重要組成部分,在治理水土流失、調(diào)節(jié)氣候變化、維持生態(tài)平衡等方面至關(guān)重要。青海云杉和祁連圓柏是祁連山自然保護(hù)區(qū)的優(yōu)勢(shì)樹種,提取并掌握兩種優(yōu)勢(shì)樹種的空間分布對(duì)保護(hù)區(qū)森林資源管理,維持森林生態(tài)系統(tǒng)平衡等方面具有重要的意義。本文利用Landsat-8、Sentinel-2A和Sentinel-1A三種遙感影像及ASTER DEM數(shù)據(jù),分析并提取了光譜特征、植被指數(shù)、紋理特征、后向散射特征、地形特征共計(jì)22個(gè)特征變量,通過隨機(jī)森林算法和分層分類技術(shù),對(duì)祁連山國(guó)家公園甘肅省片區(qū)范圍的青海云杉和祁連圓柏進(jìn)行分類,并對(duì)比分析不同特征組合的分類結(jié)果,探討不同特征變量的貢獻(xiàn)程度,篩選最優(yōu)特征組合,進(jìn)一步分析了研究區(qū)青海云杉和祁連圓柏的空間分布特征,統(tǒng)計(jì)出研究區(qū)不同功能區(qū)劃優(yōu)勢(shì)樹種的面積以及占比,主要得到以下結(jié)論:（1）與單一遙感影像相比,加入多源遙感影像和地形數(shù)據(jù)有助于提升分類精度。利用Sentinel-2A影像特征提取林地精度為93.36%,加入DEM數(shù)據(jù)和Landsat-8數(shù)據(jù)能使總體精度分別提高2.14%和0.56%。僅使用Landsat-8特征鑒別優(yōu)勢(shì)樹種總體精度為81... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

蘭州大學(xué)碩士學(xué)位論文基于多源遙感影像的青海云杉和祁連圓柏分類—以祁連山國(guó)家公園為例9第二章數(shù)據(jù)與研究方法2.1研究區(qū)概況2.1.1地理概況祁連山，地處中國(guó)青海東北部與甘肅西部邊境地帶，東起烏鞘嶺松山，西到當(dāng)金山口，北臨河西走廊，南靠柴達(dá)木盆地。作為我國(guó)境內(nèi)主要山脈之一，橫亙青海、甘肅兩省共計(jì)千余公里，其中，甘肅省涉及酒泉、張掖、武威、金昌、蘭州5市的阿克塞、肅北、肅南、民樂、甘州、山丹、永昌、涼州、古浪、天祝、永登11個(gè)縣（區(qū)）及山丹馬常祁連山是我國(guó)西北地區(qū)重要的生態(tài)安全屏障和生物多樣性保護(hù)的優(yōu)先區(qū)域，既是黃河、青海湖的重要水源補(bǔ)給區(qū)，亦是諸多內(nèi)陸河的發(fā)源地[46]。1998年，國(guó)務(wù)院確定祁連山水源涵養(yǎng)林為國(guó)家重點(diǎn)水源涵養(yǎng)林區(qū)。2017年9月，中共中央辦公廳國(guó)務(wù)院辦公廳印發(fā)了《祁連山國(guó)家公園體制試點(diǎn)方案》，確定祁連山國(guó)家公園總面積5.02萬平方公里，其中，甘肅省片區(qū)占總面積的68.5%，涉及肅北蒙古族自治縣、阿克塞哈薩克族自治縣、肅南裕固族自治縣、民樂縣、永昌縣、天祝藏族自治縣、涼州區(qū)和7縣(區(qū))。祁連山國(guó)家公園甘肅片區(qū)（以下簡(jiǎn)稱甘肅片區(qū)）地勢(shì)西高東低、南高北低，有大通河、石羊河、黑河、疏勒河流經(jīng)，受東南季風(fēng)、西北季風(fēng)和西北干旱荒漠氣候的共同影響，自東向西、由南至北降水量逐漸遞減，溫度、濕度逐漸降低，在自然地理因素影響下，該保護(hù)區(qū)形成了眾多植被類型，具有典型的森林生態(tài)系統(tǒng)。圖2-1研究區(qū)地理位置（參考邊界）

蘭州大學(xué)碩士學(xué)位論文基于多源遙感影像的青海云杉和祁連圓柏分類—以祁連山國(guó)家公園為例13大氣輻射傳輸模型，該模型使用離散縱標(biāo)法對(duì)地球大氣、太陽(yáng)以及熱輻射傳輸進(jìn)行計(jì)算，對(duì)任何大氣條件均可適用[54]。Sen2cor軟件程序直接嵌入了由libRadtran傳輸模型代碼產(chǎn)生的大氣校正查找表，因此整個(gè)處理步驟變得簡(jiǎn)單，且程序計(jì)算時(shí)間也會(huì)減少。經(jīng)過Sen2Cor插件大氣校正后輸出的Sentinel-2Level2A產(chǎn)品同樣包括10m、20m、60m三種不同的分辨率。表2-3Sen2cor大氣校正查找表參數(shù)范圍增量點(diǎn)/網(wǎng)格點(diǎn)太陽(yáng)天頂角（°）0-7010天頂視角（°）0-1010相對(duì)方位（°）0-18030平均高程（km）0-2.50.5可見度（km）5-1205，7，10，15，23，40，80，120夏季水汽含量（g/cm2）0.4-5.50.4，1.0，2.0，2.9，4.0，5.0冬季水汽含量（g/cm2）0.2-1.50.2，0.4，0.8，1.1圖2-2經(jīng)Sen2cor軟件大氣校正前后的Sentinel-2A影像波譜曲線對(duì)比影像數(shù)據(jù)重新組織過程中的灰度處理方法叫做重采樣，指將現(xiàn)處理階段的影像數(shù)據(jù)根據(jù)研究所需的應(yīng)用要求而進(jìn)一步處理[55]。常用的重采樣方法有最鄰近法、雙線性內(nèi)插法以及三次卷積內(nèi)插法。使用ESA官方開發(fā)的一款專門處理Sentinel系列衛(wèi)星影像的開源軟件SNAP（SentinelApplicationPlatform）對(duì)Sentinel-2Level2A數(shù)據(jù)進(jìn)行像素重采樣[56-57]。由于分辨率為60m的b1、b9、b10這三個(gè)波段在分類識(shí)別等研究中很少用到，因此只需將10m分辨率b2、b3、b4、

【參考文獻(xiàn)】：
期刊論文
[1]基于GEE和Landsat時(shí)間序列數(shù)據(jù)的香格里拉森林類型分類研究[J]. 李若楠,歐光龍,代沁伶,徐偉恒,王雷光.  西南林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)). 2020(05)
[2]合成孔徑雷達(dá)森林資源監(jiān)測(cè)技術(shù)研究綜述[J]. 李增元,趙磊,李堃,陳爾學(xué),萬祥星,徐昆鵬.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[3]基于隨機(jī)森林特征選擇的森林類型分類[J]. 劉思涵,尚夏明,馬婷.  北京測(cè)繪. 2019(12)
[4]地形因子對(duì)長(zhǎng)汀縣植被覆蓋度時(shí)空特征的驅(qū)動(dòng)影響[J]. 田地,張厚喜,劉政,胡亞林.  福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[5]基于6S和FLAASH的Landsat8衛(wèi)星影像大氣校正精度對(duì)比研究[J]. 韓杰,劉小玉,李慧娜,苗寶亮,石宏斌.  許昌學(xué)院學(xué)報(bào). 2019(05)
[6]不同濾波方法的SAR與多光譜圖像融合算法[J]. 孫越,黃國(guó)滿,趙爭(zhēng),劉本強(qiáng).  遙感信息. 2019(04)
[7]基于時(shí)間序列遙感影像及DTW算法的塞罕壩林場(chǎng)樹種識(shí)別研究[J]. 于貴朋.  林業(yè)與生態(tài)科學(xué). 2019(03)
[8]遙感影像重采樣方法實(shí)現(xiàn)與應(yīng)用研究[J]. 王梟軒,左小清,楊澤楠.  軟件. 2019(07)
[9]基于多源遙感數(shù)據(jù)的植物物種分類與識(shí)別:研究進(jìn)展與展望[J]. 孔嘉鑫,張昭臣,張健.  生物多樣性. 2019(07)
[10]祁連山森林健康保護(hù)與恢復(fù)措施[J]. 楊開恩.  熱帶農(nóng)業(yè)工程. 2019(03)

博士論文
[1]中高分辨率遙感影像森林類型精細(xì)分類與森林資源變化監(jiān)測(cè)技術(shù)研究[D]. 任沖.中國(guó)林業(yè)科學(xué)研究院 2016
[2]隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D]. 雷震.上海交通大學(xué) 2012

碩士論文
[1]集成機(jī)器學(xué)習(xí)與面向?qū)ο笥跋穹诸惖拇髤^(qū)域林地信息提取及其泛化能力研究[D]. 陸海霞.蘭州大學(xué) 2019
[2]基于多源數(shù)據(jù)的落葉松人工林識(shí)別研究[D]. 郭瑞霞.西安科技大學(xué) 2019
[3]模型決策樹方法研究[D]. 尹儒.山西大學(xué) 2019
[4]基于SVDD特征選擇的隨機(jī)森林高分辨率遙感影像變化檢測(cè)[D]. 劉波.蘭州交通大學(xué) 2018
[5]基于多源數(shù)據(jù)的復(fù)雜種植結(jié)構(gòu)區(qū)作物遙感分類[D]. 郭棟.東北農(nóng)業(yè)大學(xué) 2017
[6]基于隨機(jī)森林算法的高維不平衡數(shù)據(jù)分類研究及應(yīng)用[D]. 楊浩宇.鄭州大學(xué) 2017
[7]隨機(jī)森林算法的優(yōu)化改進(jìn)研究[D]. 馬驪.暨南大學(xué) 2016
[8]光學(xué)與雷達(dá)遙感數(shù)據(jù)聯(lián)合反演森林生物量方法研究[D]. 林岳峰.電子科技大學(xué) 2016
[9]面向失衡數(shù)據(jù)集的集成學(xué)習(xí)分類方法及其應(yīng)用研究[D]. 黃久玲.哈爾濱理工大學(xué) 2015
[10]基于ALOS數(shù)據(jù)的遙感森林分類研究[D]. 楊冉冉.首都師范大學(xué) 2013



本文編號(hào)：3211764