基于GF-2的八达岭林场主要森林类型分类方法研究
发布时间：2021-01-25 21:28
本文以北京市八达岭国有林场为实验区,以GF-2卫星影像为数据源,使用基于边缘检测的分割以及基于区域的多尺度分割方式,并采用面向对象的遥感影像分类技术,开展基于GF-2卫星影像的主要森林类型分类方法研究。主要研究结论如下:1、在主要森林类型分类过程中分别选取不同的尺度做分割实验,并针对不同的提取对象选取合适的分割与合并阈值。基于边缘检测的分割方式选择40作为分割与合并阈值,基于区域的多尺度分割选择50作为分割与合并的阈值效果较好。2、主要森林类型分类实验中运用了面向对象的森林类型分类方法,对比分析了同一分类算法不同分割方式的精度。在相同样本情况下,基于边缘检测的分割法分类总体精度为62.43%,KAPPA系数为51.99%,基于区域多尺度分割法的分类总体精度为为71.68%,KAPPA系数为64.54%。3、对比分析了相同样本情况下,相同分割方式,不同分类方法的分类精度。随机森林法的总体精度为75.43%,KAPPA系数为68.63%,支持向量机分类法的总体精度为71.68%,KAPPA系数为64.54%。4、研究结果表明,灌木林、阔叶林有比较多的混淆现象;油松林和阴影中的阔叶林也有较多...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
祥地分布图
图３－１八达岭林场位置图??Ｆｉｇ．３－１?Ｌｏｃａｔｉｏｎ?ｏｆ?Ｂａｄａｌｉｎｇ?Ｆｏｒｅｓｔ?Ｆａｒｍ??３．２气候??属于典型的大陆性季风气候，具有湿润、干旱参半的暖温带的特性。春季的八达??岭林场干旱而多风，绿草如茵；夏季炎热而多雨，郁郁葱葱；秋季天高而气爽，风景??如画；冬季寒冷而干燥，银装素裹。林场地区的年平均气温基本保持在ＩＩ摄氏度，??历史上曾达到的月平均气温最高为２６．９摄氏度，为每年盛夏时节的７月。能到达的??最低月平均气温在－７．２摄氏度，是每年的１月，无霜期很短，最多仅有１６０天。研究??区的大部分时间少雨雪，雨季多在７月份和８月份，历史数据表明八达岭地区的年平??１３??
基于ＧＦ－２的八达岭林场主要森林类型分类方法研究??值，大气层造成的“相邻像素效应”决定了?ｐ和ｐｅ之间存在差异。通常的快速大气校??正模型中，认为ｐ＝ｐｅ，没有涉及上述效应。使影像在短波范围内跟实际相比有较大??差异；Ｌａ表示大气标准辐射。数学模型中的参数值Ａ、Ｂ、Ｓ和匕用ＭＯＤ?ＴＲＡＮ计??算，使用的变量值有太阳角度、平均海拔以及假设的大气模型、气溶胶类型、能见度??范围、观测视场角（罗彩莲等，２００８）。??－口－?ｎ??
【参考文献】：
期刊论文
[1]高分二号卫星影像融合及质量评价[J]. 孙攀,董玉森,陈伟涛,马娇,邹毅,王金鹏,陈华. 国土资源遥感. 2016(04)
[2]面向对象的国产GF-1遥感影像水体信息提取研究[J]. 黄帅,丁建丽,李艳华. 人民长江. 2016(05)
[3]“高分二号”卫星遥感技术[J]. 潘腾,关晖,贺玮. 航天返回与遥感. 2015(04)
[4]“高分二号”卫星数据面向对象的海岸线提取法[J]. 吴小娟,肖晨超,崔振营,刘肖姬. 航天返回与遥感. 2015(04)
[5]高分辨率影像分类的最优分割尺度计算[J]. 朱红春,蔡丽杰,刘海英,江涛. 测绘科学. 2015(03)
[6]基于WorldView-2影像的外来物种薇甘菊入侵遥感监测[J]. 陈利,林辉,孙华. 浙江农林大学学报. 2014(02)
[7]增强形态学建筑物指数应用于高分辨率遥感影像中建筑物提取[J]. 胡荣明,黄小兵,黄远程. 测绘学报. 2014(05)
[8]基于改进边缘分割算法的幼苗信息提取[J]. 李伟涛,彭道黎,吴见. 农业机械学报. 2014(04)
[9]集成改进Mean Shift和区域合并两种算法的图像分割[J]. 周家香,朱建军,赵群河. 测绘科学. 2012(06)
[10]全球高分辨率商业遥感卫星的现状与发展[J]. 史伟国,周立民,靳颖. 卫星应用. 2012(03)
博士论文
[1]生物视觉启发的高分辨率遥感影像特征提取与目标检测研究[D]. 霍宏.上海交通大学 2014
[2]支持向量机集成及在遥感分类中的应用[D]. 何灵敏.浙江大学 2006
[3]文本分类及其相关技术研究[D]. 李荣陆.复旦大学 2005
[4]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]八达岭林场生态公益林经营技术研究[D]. 张艳.北京林业大学 2016
[2]基于GF-2的新疆巴州地区主要地物类型信息提取方法研究[D]. 李静.北京林业大学 2016
[3]基于ZY-3卫星的森林分类及郁闭度提取方法研究[D]. 高志雄.北京林业大学 2015
[4]面向对象遥感影像分类方法在土地利用信息提取中的应用研究[D]. 黄瑾.成都理工大学 2010
[5]像素级中高分辨率遥感影像融合研究[D]. 谭永生.浙江大学 2007
本文编号：2999925
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
祥地分布图
图３－１八达岭林场位置图??Ｆｉｇ．３－１?Ｌｏｃａｔｉｏｎ?ｏｆ?Ｂａｄａｌｉｎｇ?Ｆｏｒｅｓｔ?Ｆａｒｍ??３．２气候??属于典型的大陆性季风气候，具有湿润、干旱参半的暖温带的特性。春季的八达??岭林场干旱而多风，绿草如茵；夏季炎热而多雨，郁郁葱葱；秋季天高而气爽，风景??如画；冬季寒冷而干燥，银装素裹。林场地区的年平均气温基本保持在ＩＩ摄氏度，??历史上曾达到的月平均气温最高为２６．９摄氏度，为每年盛夏时节的７月。能到达的??最低月平均气温在－７．２摄氏度，是每年的１月，无霜期很短，最多仅有１６０天。研究??区的大部分时间少雨雪，雨季多在７月份和８月份，历史数据表明八达岭地区的年平??１３??
基于ＧＦ－２的八达岭林场主要森林类型分类方法研究??值，大气层造成的“相邻像素效应”决定了?ｐ和ｐｅ之间存在差异。通常的快速大气校??正模型中，认为ｐ＝ｐｅ，没有涉及上述效应。使影像在短波范围内跟实际相比有较大??差异；Ｌａ表示大气标准辐射。数学模型中的参数值Ａ、Ｂ、Ｓ和匕用ＭＯＤ?ＴＲＡＮ计??算，使用的变量值有太阳角度、平均海拔以及假设的大气模型、气溶胶类型、能见度??范围、观测视场角（罗彩莲等，２００８）。??－口－?ｎ??
【参考文献】：
期刊论文
[1]高分二号卫星影像融合及质量评价[J]. 孙攀,董玉森,陈伟涛,马娇,邹毅,王金鹏,陈华. 国土资源遥感. 2016(04)
[2]面向对象的国产GF-1遥感影像水体信息提取研究[J]. 黄帅,丁建丽,李艳华. 人民长江. 2016(05)
[3]“高分二号”卫星遥感技术[J]. 潘腾,关晖,贺玮. 航天返回与遥感. 2015(04)
[4]“高分二号”卫星数据面向对象的海岸线提取法[J]. 吴小娟,肖晨超,崔振营,刘肖姬. 航天返回与遥感. 2015(04)
[5]高分辨率影像分类的最优分割尺度计算[J]. 朱红春,蔡丽杰,刘海英,江涛. 测绘科学. 2015(03)
[6]基于WorldView-2影像的外来物种薇甘菊入侵遥感监测[J]. 陈利,林辉,孙华. 浙江农林大学学报. 2014(02)
[7]增强形态学建筑物指数应用于高分辨率遥感影像中建筑物提取[J]. 胡荣明,黄小兵,黄远程. 测绘学报. 2014(05)
[8]基于改进边缘分割算法的幼苗信息提取[J]. 李伟涛,彭道黎,吴见. 农业机械学报. 2014(04)
[9]集成改进Mean Shift和区域合并两种算法的图像分割[J]. 周家香,朱建军,赵群河. 测绘科学. 2012(06)
[10]全球高分辨率商业遥感卫星的现状与发展[J]. 史伟国,周立民,靳颖. 卫星应用. 2012(03)
博士论文
[1]生物视觉启发的高分辨率遥感影像特征提取与目标检测研究[D]. 霍宏.上海交通大学 2014
[2]支持向量机集成及在遥感分类中的应用[D]. 何灵敏.浙江大学 2006
[3]文本分类及其相关技术研究[D]. 李荣陆.复旦大学 2005
[4]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]八达岭林场生态公益林经营技术研究[D]. 张艳.北京林业大学 2016
[2]基于GF-2的新疆巴州地区主要地物类型信息提取方法研究[D]. 李静.北京林业大学 2016
[3]基于ZY-3卫星的森林分类及郁闭度提取方法研究[D]. 高志雄.北京林业大学 2015
[4]面向对象遥感影像分类方法在土地利用信息提取中的应用研究[D]. 黄瑾.成都理工大学 2010
[5]像素级中高分辨率遥感影像融合研究[D]. 谭永生.浙江大学 2007
本文编号：2999925
本文链接：https://www.wllwen.com/nykjlw/lylw/2999925.html
