基于QuickBird影像的森林资源分类研究

摘要

遥感影像数据不仅能为森林资源调查提供丰富的地物光谱特性、空间位置等重要信息，而且具有宏观、便捷、周期重复、动态检测和低成本等优点，已经成为森林资源调查新的信息源。利用遥感技术结合GIS、GPS技术进行森林资源调查已经成为一种必然的趋势。
　　 本文以中山陵风景区2006年QuickBird遥感影像、2002年中山陵二类调查小班数据、1999年中山陵1：10000地形图为研究数据源，以RS、GIS为主要技术手段，对中山陵森林资源植被分类进行应用研究。
　　 通过研究，得出以下结论：
　　 (1)对研究区QuickBird影像进行一级分类，发现最大似然法能较好的区分林业用地、水体、农田及其它等一级地类，并将分类结果用于中山陵及各景区地类统计。
　　 (2)对研究区QuickBird影像进行二级分类，研究发现支持向量机的分类能取得较好的效果，并将其分类结果用于阔叶林、针叶林、针阔混交林、竹林、苗圃、水域、农田及其它等二级地类的面积统计，但其中的阔叶林和针阔混交林混分现象严重，分类得到的阔叶林面积偏小，针阔混交林面积偏大。
　　 (3)利用2002年中山陵二类调查小班数据计算主要树种栎类、马尾松、刺槐的生物量和生产力。结果表明；刺槐的平均生产力最高。

目录

文摘

英文文摘

声明

致谢

第一章绪论

1.1研究背景

1.1.1遥感在林业调查中的主要应用

1.1.2 GIS在林业调查中的主要应用

1.2国内外相关研究

第二章研究区介绍及研究数据

2.1研究区概括

2.1.1地理位置

2.1.2气候状况

2.1.3地形与土壤状况

2.1.4动植物资源

2.1.5人文与经济条件

2.2研究数据及应用软件

2.3研究内容及目的

2.4研究技术路线

第三章研究区遥感数据预处理

3.1 QuickBird遥感数据简介

3.2 QuickBird遥感数据在林业上的主要应用

3.3遥感影像的几何精校正

3.4数据融合

3.4.1 IHS融合

3.4.2Brovey融合

3.4.3主成分融合

3.5植被指数生成

3.5.1归一化植被指数

3.6分类波段组合选择

3.6.1最佳指数

3.6.2信息熵

第四章中山陵森林资源植被信息的提取及分类

4.1计算机自动分类

4.1.1无监分类

4.1.2有监分类

4.2分类方法

4.2.1最大似然法

4.2.2支持向量机

4.3森林分类类型确定

4.3.1分类的原则和依据

4.4训练区选择

4.5分类结果精度评价

4.5.1分类精度的评价方法

4.5.2一级分类精度评价

4.5.3二级分类精度评价

4.6分类后处理

4.6.1孤点和小图版处理

4.6.2乔灌的划分及处理

4.7分类结果统计对比

4.7.1一级分类结果统计

4.7.2一级分类统计对比

4.7.3二级分类结果统计

4.7.4二级分类统计对比

第五章主要树种森林生物量和生产力计算

5.1基本概念

5.2生物量研究方法

5.2.1乔木层生物量研究的一般方法

5.2.2区域森林生态系统乔木层生物量研究方法

5.3生物量计算

5.4生产力计算

第六章结论与讨论

6.1结论

6.2不足

参考文献