基于多时相遥感影像的森林可燃物类型划分研究

发布时间：2024-02-15 03:23

　　本文基于2017年Landsat8遥感影像数据,依据实地调查数据以及妙峰山林场地形图、小班图等专题图资料确定妙峰山林场森林可燃物类别。对比分析油松林、落叶松林、侧柏林等主要针叶树种,栎树林、槐树林、五角枫林等主要阔叶树种,以及以绣线菊为主的灌木林等几种森林可燃物类型的光谱特征曲线。之后利用EnMap-Box中的基于向量机(SVM)算法、随机森林(RF)以及基于CART的决策树方法进行分类,选出总体分类精度最高的分类方法并应用到影像分类中,最终将森林可燃物类别划分为八种:油松林(Pinus tabuliformis)、落叶松林(Larixgmelinii)、侧柏林(Thujaplicata)、栎树林(Quercusrubra)、槐树林(Sophorajaponica Linn.)、五角枫林(Acer mono Maxim.)、灌木林以及其他(包括道路、建筑物等)。同时使用非防火期(5月7日、9月28日)两幅、防火期(11月15日、12月17日)两幅图像一共四个相图进行空间配准,并基于特征组合进行变化检测,研究探讨基于单时相和多时相可燃物分类的结果差异。研究结果表明:(1)通过光谱特征建立...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 森林可燃物分类相关研究
        1.2.1 可燃物分类相关基础
        1.2.2 基于遥感的可燃物分类研究
    1.3 基于EnMap-Box的影像处理
    1.4 研究方案
        1.4.1 研究目标
        1.4.2 研究内容
        1.4.3 拟解决的关键问题
        1.4.4 技术路线
2 研究区概况
    2.1 地理位置
    2.2 气候条件
    2.3 人文状况
    2.4 海拔信息
    2.5 森林类型
    2.6 土壤类型
3 研究方法
    3.1 遥感影像预处理方法
        3.1.1 获取地面控制点
        3.1.2 地形校正
        3.1.3 几何精校正
        3.1.4 图像融合
        3.1.5 图像增强
        3.1.6 同源影像数据配准
    3.2 数据来源与取样方法
        3.2.1 LandSat8遥感影像
        3.2.2 辅助数据
        3.2.3 光谱特征
        3.2.4 选择样本
    3.3 基于机器学习的遥感影像分类方法
        3.3.1 决策树分类法
            3.3.3.1 基于灰度共生矩阵提取纹理信息
            3.3.3.2 基于波段组合提取归一化植被指数
            3.3.3.3 数据融合
            3.3.3.4 决策树生成
        3.3.2 随机森林分类法
            3.3.2.1 基本原理
            3.3.2.2 最优森林深度和规模
        3.3.3 基于向量机分类法
            3.3.3.1 基本原理
            3.3.3.2 参数寻优
    3.4 分类结果分析与评价方法
        3.4.1 单时相分类结果评价
        3.4.2 多时相分类结果评价
            3.4.2.1 基于主成分变换与聚类分析的变化检测
            3.4.2.2 基于特征融合的变化检测
4 结果与分析
    4.1 实验区可燃物遥感影像特征分析
        4.1.1 光谱特征分析
        4.1.2 亮度和纹理特征分析
    4.2 基于单时相的森林可燃物类型划分研究
        4.2.1 基于决策树
        4.2.2 基于随机森林
        4.2.3 基于向量机
        4.2.4 三种分类方法精度比较
    4.3 不同时相的森林可燃物类型划分方法选择
        4.3.1 不同时相基于SIFT算法进行配准
        4.3.2 不同时相影像分类精度分析
    4.4 妙峰山林场多时相影像可燃物分类结果与分析
        4.4.1 多时相影像分类变化检测结果
        4.4.2 多时相Landsat8影像可燃物分类结果
        4.4.3 多时相可燃物分类体系
5 结论与讨论
    5.1 结论
    5.2 讨论
参考文献
个人简介
导师简介
获得成果目录清单
致谢



本文编号：3899118