基于tm数据的森林分类分析——以白石头沟林场为例-forest classification analysis based on tm data - a case study of grand white rock gou forest farm.docxVIP

基于tm数据的森林分类分析——以白石头沟林场为例-forest classification analysis based on tm data - a case study of grand white rock gou forest farm.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于tm数据的森林分类分析——以白石头沟林场为例-forest classification analysis based on tm data - a case study of grand white rock gou forest farm

5.2.2基于波段差值运算的监督分类 ....................................235.2.3基于波段差值运算的密度分割分类 ................................246结论与讨论 ..........................................................276.1 结论 .............................................................276.2 讨论 .............................................................28致谢 ...............................................................30参考文献 .........................................................31作者简介 .........................................................361引言1.1研究背景、研究目的与意义森林遥感是将森林遥感影像作为主要研究对象,综合利用地面调查和已有的辅助 资料及基础知识,运用各种分析及处理手段,对森林基本状况及其动态变化情况进行 科学地分析和全面系统的反映[1]。森林资源调查和监测过程中,有决策控制的需求, 也有对于森林分类精度要求较高的局部小范围内的调查监测的需求,而森林遥感技术 的迅速发展为满足以上需求提供了有效的工具与手段。森林遥感主要目的是准确、及 时、高效地获取森林资源数据,为森林质量与效益评价、为改善森林生态环境、为各 级林业部门制定林业经营管理措施和相关管理保护政策提供基础材料和科学依据[2]。 森林遥感除用于森林资源调查和规划外,还用于森林遥感制图、森林灾害监测、预报 与损失评估、森林环境因子提取及分析和森林资源动态监测与分析等。森林地类或林分类型的分布及面积构成是反映一个地区森林状况的重要因子,其 它因子如森林蓄积、森林生物量、森林景观结构等都与此密切相关。因此,森林遥感 应用的最基本内容就是进行森林类型分类解译[3-8]。利用遥感技术对森林进行分类, 可以克服传统的森林分类调查工作中调查因子多、周期长、经费大、调查工作繁琐、 很难对变化的因素进行调查追踪等困难[9-11]。森林遥感分类能够有效地提高森林分类 效率,在技术上能够满足实际生产的需要,能够既经济又准确地实现森林资源数据库 的动态更新,从而改善森林资源管理水平,为管理部门及时地提供正确的森林经营依 据和措施[12-15]。森林遥感分类技术已成为森林资源调查与监测的基础方法之一,是目 前森林资源调查与监测技术发展的主要方向。提高通过遥感数据得到的森林分类精 度,是目前亟待解决的问题,也是国内外当前的研究热点之一[16]。本文的研究目的是基于 TM 数据进行森林分类方法的研究。针对目前遥感森林分 类方法中监督分类的模式,并结合多元统计学中的数学模型进行基础性探究,针对于 分类对象提供较为直观的数学模型从而达到森林分类的目的;结合树种在遥感影像上 的时相特征与其本身的生长特性,运用波段运算进行分类。根据目前的基于遥感的森 林分类技术,同时结合统计模式识别方法达到影像中森林分类的目的。本文的研究意 义是充分利用了遥感影像的均值、方差、协方差等各种光谱统计特征对不同森林类别 进行判别归类[17-20],结合数理统计方法建立判别函数对 TM 数据进行了森林分类,不但 有效的发挥了较大空间的数字遥感影像的优势,而且在一定程度上为应用于遥感影像 分类方法的探究和遥感影像处理软件的开发利用提供了参考;对多领域遥感影像分类 奠定了数据基础;借助遥感技术,基于 TM 影像数据来对大青山森林分类方法进行研 究,为森林资源信息快速有效提取,实现对森林资源分布和变化的监测与评价提供参 考,对更为合理的营林生产具有重要的现实意义。1.2国外研究进展自上世纪 80、90 年代以来, 国际上陆续出现了基于遥感技术对森林类型和树种 进行分类的研究。主要在森林植被光谱特征分析、多源数据的结合及所运用的分类方 法等方面进行研究。Steven A.Sader 对 Maine 州东部的全部森林湿地结合 GIS 分类 法进行了分类,且与混合分类、缨帽变换分类和非监督分类进行了对比研究,得出综 合利用 GIS 分类和混合分类的方法的分类精度最高[21]。MartinM.E 等运用 AVRIS 与叶 片化学成分之间建立的数学关系,并结合不同森林树种之间特有的生化特性,对 11 种森林类型进行了鉴别[22]。Achard.F 等利用归

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档