基于多时相SAR数据和SPOT数据的盘古林场林分类型识别

摘要

森林植被是生态系统中主要的自然资源，在全球碳水循环中发挥着重要的作用。随着人们对森林资源的需求日益增长，对森林类型信息的识别提取就具有重大意义。近几年来遥感技术的不断发展应用，利用遥感技术监测森林已经成为发展的必然趋势。遥感呈现出多源信息化，与单一的遥感信息源相比，不同的遥感数源融合可以获得更精准的林分类型识别结果。
　　林分类型信息的提取一直是遥感影像分类中的热点和难点。而大兴安岭区又是我国重点林区和天然林主要分布区之一，植被类型丰富，种类繁多，这为林分类型精确识别带来了很大的难度。为了比较和提高林分类型的分类精度，研究结合主被动遥感，利用光谱特性、极化特性和多时相特性在不同林分类型中的差异，进行林分类型信息的高精度识别。
　　研究以大兴安岭林区盘古林场为实验区，综合利用SPOT-5影像和不同时相的RADARSAT-2全极化SAR影像，本论文采用三种分类方案并利用最大似然分类方法和支持向量机(SVM)分类方法对研究区遥感影像进行分类，并比较不同分类方案对林分类型识别的精度。三种方案分别是:(1)单独采用SPOT影像对林分类型进行识别;(2)对全极化SAR数据进行极化分解提取参数并结合SPOT数据参与分类;(3)结合SPOT数据与多时相全极化SAR分解参数进行分类。结果表明:利用最大似然分类方法对比SPOT、加入单时相和加入多时相三种方案的分类结果，方案三加入多时相SAR影像与SPOT数据对白桦林、落叶松林、樟子松林和云杉林的分类中总分类精度最高，为84.64％，Kappa系数为0.78，对林分类型的识别最为有效，而单用SPOT数据对林分类型识别的精度最低，总分类精度为76.66％，Kappa系数为0.70。论文同时利用支持向量机分类方法对方案三进行分类，得到了更高的分类精度85.89％，Kappa系数为0.79。

目录

摘要

1 绪论

1．1 研究背景及目及意义

1．1．1 研究背景

1．1．2 研究目的意义

1．2 国内外研究现状及发展趋势

1．2．1 光学遥感在森林分类中的应用

1．2．2 合成孔径雷达发展现状

1．2．3 极化SAR分类研究现状

1．2．4 PolSAR森林应用及分类研究现状

1．2．5 多源遥感数据分类研究现状

1．3 研究内容和结构安排

1．3．1 研究内容

1．3．2 技术路线图

1．3．3 论文结构

1．4 本章小结

2 研究区域概况及数据预处理

2．1 研究区域概况

2．1．1 地形地貌

2．1．2 气候特点

2．1．3 森林植被资源

2．2 实验数据收集

2．2．1 多时相RADARSAT-2数据

2．2．2 SPOT-5卫星数据

2．2．3 森林资源二类清查数据

2．2．4 地形数据

2．3 数据预处理

2．3．1 SPOT-5数据预处理

2．3．2 Radarsat-2数据预处理

2．4 本章小结

3 分类特征参数确定

3．1 分类系统制定

3．2 极化特征参数提取

3．2．1 原始数据特征

3．2．2 极化分解参数特征参数

3．2．3 雷达数据的特性参数

3．3 分类参数提取选择

3．3．1 特征参数的相关性分析

3．4 本章小结

4 基于遥感技术的林分类型识别

4．1 训练样本样本选取及分析

4．1．1 确定分类方案

4．1．2 训练样本样本选取

4．1．3 训练样本样本J-M分离度分析

4．2 基于最大似然法分类

4．2．1 单独SPOT影像林分类型分类及精度评价

4．2．2 结合SPOT与不同时相RADARSAT影像林分类型分类及精度评价

4．2．3 结合SPOT与多时相RADARSAT影像林分类型分类及精度评价

4．3 基于SVM支持向量机分类

4．3．1 SVM分类原理

4．3．2 基于SVM分类结果

4．4 分类结果与分析

4．5 本章小结

结论

不足与展望

参考文献

攻读学位期间发表的学术论文

致谢

声明