首页> 中文学位 >天地空遥感提取树种分布交错带及其影响因子研究——以云南松与思茅松分界为例
【6h】

天地空遥感提取树种分布交错带及其影响因子研究——以云南松与思茅松分界为例

代理获取

目录

声明

摘要

第一章 绪论

1.1.1 研究背景

1.1.2 研究意义

1.1.3 项目来源与经费支持

1.2 国内外研究现状及评述

1.2.1 遥感技术在植被分类中的应用现状

1.2.2 高光谱遥感在树种识别中的研究进展

1.2.3 高空间分辨率遥感在树种分类中的应用

1.2.4 遥感技术在树种分布中的研究进展

1.3 研究目标和主要研究内容

1.3.1 研究目标

1.3.2 主要研究内容

1.4 研究技术路线

第二章 研究区概况及数据预处理

2.1 研究区自然地理概况及样地调查

2.1.1 研究区地理位置及自然条件概况

2.1.2 研究区植被分布

2.1.3 样地调查

2.2 遥感影像数据获取

2.2.1 航拍遥感数据获取及预处理

2.2.2 卫星遥感数据获取及预处理

2.3 本章小结

第三章 基于高光谱影像的树种光谱特征提取及影响因子分析

3.1 树种冠层光谱特征提取分析

3.1.1 数据处理方法

3.1.2 原始光谱曲线特征分析

3.1.3 光谱一阶微分特征分析

3.1.4 光谱二阶微分特征分析

3.2 思茅松林冠层光谱影响因子分析

3.2.1 思茅松林冠层光谱波动范围

3.2.2 坡向对冠层光谱的影响

3.2.3 太阳高度角对冠层光谱的影响

3.3 本章小结

第四章 高分二号影像树种分布交错带提取及其影响因子研究

4.1 影像融合

4.1.1 融合方法

4.1.2 融合质量评价方法

4.1.3 融合结果分析

4.2 分类方法及精度分析

4.2.1 分类方法

4.2.2 分类精度评价

4.2.3 融合影像分类结果

4.3 云南松和思茅松分布交错带提取

4.4 本章小结

第五章 云南松与思茅松树种分布交错带空间分布特征及其影响因子研究

5.1 云南松与思茅松树种分布交错带总体空间分布

5.2 不同海拔上云南松与思茅松树种交错带的空间分布

5.3 不同坡度上云南松与思茅松树种交错带的空间分布

5.4 不同坡向上云南松与思茅松树种交错带的空间分布

5.5 本章小结

第六章 结论与讨论

6.1 结论

6.2 主要创新点

6.3 讨论与展望

参考文献

在读期间的学术研究

致谢

展开▼

摘要

云南松与思茅松是云南省两大重要针叶用材树种,占云南林地分布面积的30%以上,是西南地区特有的森林类型。以往树种间的分界问题大多根据地面调查和文献资料进行,但调查精度低且成本高。天地空一体化遥感技术,综合了地面样地调查、高光谱和空间分辨率的航拍影像以及大区域尺度的卫星遥感影像的优势,能更有效的解决树种识别和树种分布问题。树种分布交错带的研究对森林资源调查、引种、树种规划等方面有重要意义。
  基于实验区样地调查和二类调查矢量数据,使用CAF-LiCHy航拍系统AISA EagleⅡ获取的高光谱影像数据,选择原始高光谱、一阶微分、二阶微分影像,分析云南松和思茅松林光谱的特征波段。应用方差分析的方法,分析地形、太阳高度角等环境因子对思茅松林冠层光谱的影响。根据高光谱影像获取的特征波段,选择高空间分辨率的高分二号影像作为大尺度区域上树种识别的卫星影像。利用定量评价结合定性分析的方法,分析Brovey、 PC、Gram-Schmidt变换和NNDiffuse四种方法对高分二号全色和多光谱影像的融合效果。利用最大似然、BP神经网络分类器识别原始多光谱和融合影像中云南松林与思茅松林,生成两树种交错带的分布图。结合DEM影像提取的地形因子,研究云南松与思茅松分布与海拔、坡度、坡向的相关关系,分析其对云南松和思茅松分布交错带的影响。本次研究的主要结论如下:
  (1)思茅松与云南松林冠层光谱反射率表现出类似绿色植被的反射率特征,在可见光波段范围反射率总体较低(小于0.070),呈小幅上升后再下降的趋势;0.4~1.0μm波段范围内,在0.89岬处反射率达到最高点,思茅松为0.327,云南松为0.235,总体上思茅松的冠层反射率高于云南松。
  (2)分析坡向、太阳高度角等因子对思茅松林冠层光谱的影响,发现阴坡思茅松林冠层光谱反射率普遍高于阳坡,例如北坡、东北坡与南坡、东南坡的峰值波段反射率在0.05水平上差异显著;根据太阳高度角,以反射最高的0.89μm为例,迎光面的东坡、东北坡、东南坡比背光面西坡、西北坡、西南坡光谱反射率增加了23%、17%、14%,反射率最大差值出现在西面与东面,达到了0.0671,东北面与西北面、东南面与西南面之间的差值达0.0538、0.0426,差异均达到了极显著水平。
  (3)结合目视解译,选择均值、均值偏差、标准差、相关系数、信息熵、最佳指数六个指标对高分二号影像融合效果进行定性和定量评价。实验发现PC、Gram-Schmidt和NNDiffuse三种方法均能较好的反映影像原始光谱信息,其中Gram-Schmidt方法均值偏差的绝对值最小,光谱保真性最高,与原始影像最为接近,但存在部分影像缺失;NNDiffuse方法最佳指数值最高为660.68,影像包含更多的信息量,是最优的影像融合方法。
  (4)选择最大似然、BP神经网络分类器对原始多光谱和融合影像进行分类,发现BP神经网络的分类精度优于最大似然,对云南松和思茅松林的识别效果更好。BP神经网络分类器下,多光谱影像的分类精度最高,总体精度为74.63%,Kappa系数为0.6077,其中能正确区分思茅松和云南松的比例为80.4%和79.43%;融合影像中的分类精度最高是NNDiffuse影像,总体精度72.17%,Kappa值为0.5488,低于原始多光谱影像,说明融合影像在一定程度上损失了树种的光谱信息,降低了分类精度。
  (5)基于云南松林与思茅松林的分类结果,结合二类调查小班数据,划分出云南松与思茅松林分布交错带,发现云南松与思茅松在云南红河-元江-新平-双柏-楚雄-南华-南涧-凤庆-云县-临沧-双江-沧源-镇康-龙陵-腾冲一线相邻分布。结合山脉、河流走向等因素分析发现,云南松与思茅松林分布交错带主要以哀牢山、澜沧江为界,思茅松主要分布在哀牢山以西、澜沧江以东,云南松主要分布在哀牢山以东、澜沧江以西。
  (6)利用DEM影像提取海拔、坡度、坡向等地形因子,分析其对实验区云南松与思茅松树种分布的影响。发现51.97%的云南松林分布在海拔1500-2000m之间,58.59%的思茅松林分布在海拔1000-1500m,云南松林分布区海拔高于思茅松林。云南松与思茅松在坡度、坡向上分布面积的差异较小,均呈现出随坡度增加先增加后减小的趋势,阳坡分布面积大于阴坡的特点。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号