基于高分遥感纹理信息的森林蓄积量估测研究
发布时间：2021-01-14 10:27
森林蓄积量是一定面积范围森林现有树木材积量的总和,该数据与人民大众的生存环境、能源的产能规划以及林业动态监测、及时防护、防灾措施具体布置等有着密切关系。时下蓄积量的研究工作已成为热点问题。随着3S技术的发展,地理空间的分辨率更加精细化,遥感影像的纹理信息大为丰富。高空间分辨率的纹理信息对森林植被的信息非常敏感。进行蓄积量估测时,加入纹理特征对蓄积量估测的精度提升具有很大潜力。本文结合3S集成技术,基于GF-1\GF-2不同地区不同分辨率的遥感影像数据,利用灰度共生矩阵法提取实验区遥感影像的纹理特征,结合实验区GIS信息及遥感信息,利用提取的纹理特征参与蓄积量估测建模,进一步提高蓄积量估测的精度,验证了纹理信息运用于蓄积量估测中可有效提高蓄积量模型估测精度的猜想。最终得到以下结论:（1）纹理因子结合遥感因子及GIS因子能够有效提高蓄积量估测结果精度,不同地区该结论仍属有效。（2）纹理因子加入估算蓄积量模型中,对于不同分辨率的遥感影像,均能提高蓄积量估测结果精度。（3）提取纹理特征时,滑动窗口大小的设置应尽量设置为与固定样地单元（样地）面积大小接近,可以达到提高蓄积量估测结果精度的要求。（...
【文章来源】：西安科技大学陕西省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
技术路线
其次还有草甸土、沼泽土等。加格达奇的主要树种有落叶松、樟子松、桦树、山杨、柳树、柞树、云彬等几十种林木，其中桦树蓄积量为最多。加格达奇林业局林区位置示意图如图2.1所示。图2.1 加格达奇林业局位置示意图全局经营面积966110公顷，林地面积944948.6公顷，占经营面积的97.81%。在林地
林地面积623870公顷，占经营面积的64.58%。全局森林覆盖率为64.58%，为40194812立方米。验区数据收集整理高分遥感影像格达奇林业局地区处于北纬 50 度以北，冬季较长，每年 10 月下旬至次年处于白雪覆盖状态，6-8 月份为雨季，阴天、多云情况较多。本次试验共内选取高分 1 号 WFV 多光谱数据一景（覆盖试验区），高分 1 号 PMS 多（覆盖试验区）。GF-1 号 WFV 多光谱影像获取时间为 2013 年 9 月 7 日，资源应用中心公布的定标系数及波谱响应函数完成了数据的辐射定标和；使用 ASTER GDEM 全球空间分辨率为 30 米的 DEM 进行了正射校正；辨率为 2.1 米的 ZY-3 影像为基准采集控制点进行几何精校正处理，几何 个像元以内，几何精校正后影像像元大小为 16m×16m。叠加试验区行政行裁剪处理，裁剪完成后影像如图 2.2 所示。
【参考文献】：
期刊论文
[1]基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 侯群群,王飞,严丽. 国土资源遥感. 2013(04)
[2]鹫峰地区QuickBird影像纹理特征与生物量估测关系初探[J]. 王昆,张晓丽,王珊,焦志敏,宁亮亮,吴石磊. 地理与地理信息科学. 2013(03)
[3]融合LBP和GLCM的纹理特征提取方法[J]. 王国德,张培林,任国全,寇玺. 计算机工程. 2012(11)
[4]基于SPOT5遥感影像选择森林蓄积估测因子——以火地塘教学实验林场为例[J]. 马瑞兰,李卫忠. 东北林业大学学报. 2011(07)
[5]基于TM影像纹理与光谱特征的红树林生物量估算[J]. 曹庆先,徐大平,鞠洪波. 林业资源管理. 2010(06)
[6]基于灰度共生矩阵的遥感图像纹理库设计[J]. 周旭,白深模. 海洋测绘. 2010(05)
[7]图像纹理特征提取方法综述[J]. 刘丽,匡纲要. 中国图象图形学报. 2009(04)
[8]基于遥感、地理信息系统和人工神经网络的呼中林区森林蓄积量估测[J]. 刘志华,常禹,陈宏伟. 应用生态学报. 2008(09)
[9]基于方块编码的图像纹理特征提取及检索算法[J]. 赵珊,孙君顶,周利华. 光电子·激光. 2006(08)
[10]高压功率VDMOS管的设计研制[J]. 王英,何杞鑫,方绍华. 电子器件. 2006(01)
博士论文
[1]基于ALOS遥感影像纹理信息的怀柔区针、阔叶林蓄积量反演模型研究[D]. 刘俊.北京林业大学 2014
[2]基于图像纹理特征提取算法的研究及应用[D]. 王凯.西南交通大学 2013
[3]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013
[4]彩色航空图像森林纹理特征提取方法的研究[D]. 毕于慧.北京林业大学 2007
[5]纹理图像统计及其应用研究[D]. 向世明.中国科学院研究生院（计算技术研究所） 2004
[6]用非线性理论研究以“3S”为基础的森林蓄积定量估测[D]. 李崇贵.中国林业科学研究院 2001
硕士论文
[1]森林蓄积量估测遥感影像比值波段和纹理信息选择研究[D]. 高阳.西安科技大学 2014
[2]基于特征提取的纹理图像分割[D]. 董昱威.长安大学 2014
[3]森林蓄积量遥感定量估测系统研发[D]. 丰德恩.西安科技大学 2012
[4]基于遥感抽样技术的平南县森林蓄积量估测[D]. 谢进金.中南林业科技大学 2011
[5]基于纹理信息的高分辨率无人机遥感图像分割[D]. 武维.电子科技大学 2010
[6]森林蓄积量高空间分辨率遥感估测理论与实现[D]. 杨斌.西安科技大学 2008
[7]基于灰度共生矩阵木材表面纹理模式识别方法的研究[D]. 王辉.东北林业大学 2007
本文编号：2976730
【文章来源】：西安科技大学陕西省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
技术路线
其次还有草甸土、沼泽土等。加格达奇的主要树种有落叶松、樟子松、桦树、山杨、柳树、柞树、云彬等几十种林木，其中桦树蓄积量为最多。加格达奇林业局林区位置示意图如图2.1所示。图2.1 加格达奇林业局位置示意图全局经营面积966110公顷，林地面积944948.6公顷，占经营面积的97.81%。在林地
林地面积623870公顷，占经营面积的64.58%。全局森林覆盖率为64.58%，为40194812立方米。验区数据收集整理高分遥感影像格达奇林业局地区处于北纬 50 度以北，冬季较长，每年 10 月下旬至次年处于白雪覆盖状态，6-8 月份为雨季，阴天、多云情况较多。本次试验共内选取高分 1 号 WFV 多光谱数据一景（覆盖试验区），高分 1 号 PMS 多（覆盖试验区）。GF-1 号 WFV 多光谱影像获取时间为 2013 年 9 月 7 日，资源应用中心公布的定标系数及波谱响应函数完成了数据的辐射定标和；使用 ASTER GDEM 全球空间分辨率为 30 米的 DEM 进行了正射校正；辨率为 2.1 米的 ZY-3 影像为基准采集控制点进行几何精校正处理，几何 个像元以内，几何精校正后影像像元大小为 16m×16m。叠加试验区行政行裁剪处理，裁剪完成后影像如图 2.2 所示。
【参考文献】：
期刊论文
[1]基于灰度共生矩阵的彩色遥感图像纹理特征提取[J]. 侯群群,王飞,严丽. 国土资源遥感. 2013(04)
[2]鹫峰地区QuickBird影像纹理特征与生物量估测关系初探[J]. 王昆,张晓丽,王珊,焦志敏,宁亮亮,吴石磊. 地理与地理信息科学. 2013(03)
[3]融合LBP和GLCM的纹理特征提取方法[J]. 王国德,张培林,任国全,寇玺. 计算机工程. 2012(11)
[4]基于SPOT5遥感影像选择森林蓄积估测因子——以火地塘教学实验林场为例[J]. 马瑞兰,李卫忠. 东北林业大学学报. 2011(07)
[5]基于TM影像纹理与光谱特征的红树林生物量估算[J]. 曹庆先,徐大平,鞠洪波. 林业资源管理. 2010(06)
[6]基于灰度共生矩阵的遥感图像纹理库设计[J]. 周旭,白深模. 海洋测绘. 2010(05)
[7]图像纹理特征提取方法综述[J]. 刘丽,匡纲要. 中国图象图形学报. 2009(04)
[8]基于遥感、地理信息系统和人工神经网络的呼中林区森林蓄积量估测[J]. 刘志华,常禹,陈宏伟. 应用生态学报. 2008(09)
[9]基于方块编码的图像纹理特征提取及检索算法[J]. 赵珊,孙君顶,周利华. 光电子·激光. 2006(08)
[10]高压功率VDMOS管的设计研制[J]. 王英,何杞鑫,方绍华. 电子器件. 2006(01)
博士论文
[1]基于ALOS遥感影像纹理信息的怀柔区针、阔叶林蓄积量反演模型研究[D]. 刘俊.北京林业大学 2014
[2]基于图像纹理特征提取算法的研究及应用[D]. 王凯.西南交通大学 2013
[3]基于纹理特征的遥感影像居民地提取技术研究[D]. 金飞.解放军信息工程大学 2013
[4]彩色航空图像森林纹理特征提取方法的研究[D]. 毕于慧.北京林业大学 2007
[5]纹理图像统计及其应用研究[D]. 向世明.中国科学院研究生院（计算技术研究所） 2004
[6]用非线性理论研究以“3S”为基础的森林蓄积定量估测[D]. 李崇贵.中国林业科学研究院 2001
硕士论文
[1]森林蓄积量估测遥感影像比值波段和纹理信息选择研究[D]. 高阳.西安科技大学 2014
[2]基于特征提取的纹理图像分割[D]. 董昱威.长安大学 2014
[3]森林蓄积量遥感定量估测系统研发[D]. 丰德恩.西安科技大学 2012
[4]基于遥感抽样技术的平南县森林蓄积量估测[D]. 谢进金.中南林业科技大学 2011
[5]基于纹理信息的高分辨率无人机遥感图像分割[D]. 武维.电子科技大学 2010
[6]森林蓄积量高空间分辨率遥感估测理论与实现[D]. 杨斌.西安科技大学 2008
[7]基于灰度共生矩阵木材表面纹理模式识别方法的研究[D]. 王辉.东北林业大学 2007
本文编号：2976730
本文链接：https://www.wllwen.com/nykjlw/lylw/2976730.html
