基于SPOT5影像数据的森林资源分类与蓄积量反演研究

摘要

森林资源调查是以林地、林木以及林区范围内生长的动、植物及其环境条件为对象的林业调查，目的在于及时掌握的森林资源数量、质量和生长、消亡的动态规律及其与自然环境和经济、经营等条件之间的关系，为制订和调整林业政策，编制林业计划和鉴定效果服务，以保证森林资源在国民经济建设中得到充分利用，并不断提高其潜在生产力。传统的调查方式是大面积、高强度的地面人工调查，费工费时、人力财力消耗大。由于遥感技术具有宏观、客观、快速高效和动态监测等优点，利用遥感技术结合GIS、GPS进行辅助进行森林资源调查，成为国内外学者研究的热点。 本次论文以中山陵2003年SPOT5遥感影像、1：10000地形图、2002年中山陵地面实际调查数据为研究数据源。首先，我们对遥感影像进行配准、数据融合及植被指数提取，分析各个波段的特征参数，结合经验选出进行遥感影像分类的波段组合；然后，分别讨论面向对象的分类和面向像元的分类方法(CART决策树和最大似然法)，并应用其对影像分类，对其分类结果进行评价。最后，对植被的总蓄积量模型，以面向对象分类结果、遥感影像光谱信息为预测变量，地面实际调查的38个样点的蓄积量为目标变量，应用非线性的BP神经网络模型建立遥感信息、地物类别与蓄积量模型；对于中山陵地区的优势树种——阔叶林以遥感影像的光谱信息预测变量，以地面28个点的阔叶林实测蓄积量为目标变量，建立BP神经网络模型。应用建立的神经网络模型对未知像元点进行单位像元蓄积量的预测，制作出中山陵遥感影像的植被总蓄积量预测图及阔叶林蓄积量预测图，对影像图进行统计，得出中山陵植被的总蓄积量为22.6万立方米，阔叶林的蓄积量为18.3万立方米。

目录

文摘

英文文摘

声明

致谢

第一章、绪论

1.1、研究的目的与意义

1.2、国内外相关研究

第二章研究区介绍及研究数据

2.1研究区概貌介绍

2.2研究区数据简介

2.3研究技术路线

第三章研究区遥感数据处理

3.1、SPOT 5遥感数据简介

3.2遥感影像校正

3.3数据融合

3.4植被指数生成

3.5分类波段选择

3.5.1变换生成的所有波段及其序号对应表

3.5.2各波段特征参数分析

3.5.3、面向对象分类波段的选取

3.5.4、面向像元分类波段的选择取

第四章基于面向对象方法的遥感影像分类

4.1遥感影像的分割

4.1.1光谱和形状同质性度量准则

4.1.2影像分割算法

4.2分类算法简述

4.3地物提取

4.4精度评价

第五章、面向像元的分类

5.1无监分类

5.2有监分类

5.3分类类别的确定

5.4样本选择

5.5决策树分类

5.5.1决策树建立

5.5.2决策树的修剪

5.5.3确定叶结点的类别

5.5.4决策树验证

5.5.5研究区决策树的构建及修剪

5.6最大似然分类

5.7分类结果评价

第六章、遥感建模

6.1神经网络模型概述

6.2神经元的结构

6.3网络的拓扑结构

6.4 BP神经网络算法

6.5误差传播分析

6.6 BP学习算法的实现

6.7神经网络模型的建立及精度评价

第七章总结与研究展望

7.1研究总结

7.2研究展望

参考文献