基于人工神经网络的森林植被遥感分类分析-森林经理学专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究 成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得 河北农业大学 或其他教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 河北农业大学 有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借 阅。本人授权河 北农业大学可以将学位论文的全部或部分内容编入有关数据库进行 检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 学位论文作者毕业后去向： 工作单位： 电话： 通讯地址： 邮编： 基于人工神经网络的森林植被遥感分类研究 基于人工神经网络的森林植被遥感分类研究 基于人工神经网络的森林植被遥感分类研究 基于人工神经网络的森林植被遥感分类研究 PAGE PAGE 13 PAGE PAGE 10 引言 森林资源是林业和生态环境建设的基础，是陆地生态系统的主体，它对经济、社 会和环境的可持续发展有不可替代的作用。 森林资源的调查、规划、管理、监测、评价、预测预报、决策等各个环节都离不 开现势的、客观的、准确的信息，因此，人们迫切希望能快速、准确、高效地获取森 林资源信息，及时监测其变化情况，以实现森林资源的科学管理和有效利用。但是林 业资源分布广、经营面积辽阔，属于再生性生物资源，而且对于森林资源清查的主要 技术手段大多是居于传统的森林资源监测及调查方法[1]，即：国家每隔5年所进行固 定样地的一类调查，每隔10年的二类调查，还有则是三类调查、伐区设计等方法，以 此实现对各个时期的森林资源状况作调查。5年一次的全国森林资源连续清查样地全 国有23万个固定样地，依靠传统地面调查方法，调查和成图周期长，数据过时严重、 更新困难，实时性、现势性差并且劳动强度大，体力消耗大，成本高，还受自然因素 如地形、水文、气候等条件限制，尤其对一些高、寒、热等人迹罕至的调查困难地区 常存在数据信息的空白。因此国家需要投入较多的人力、物力、财力和时间，而且精 度受人为因素影响大，并且很难满足森林资源监测和林业可持续发展的需要。 遥感技术的出现及遥感影像分类技术的发展为传统的林业资源勘测调查等提供 了一个崭新有效的新途径。遥感影像的分类是对研究地区进行信息提取的重要手段。 但是随着遥感技术的发展，传统的分类方法在技术层面和分类精度上显示出了明显的 不足。为了更多地获得有效信息，提高分类的精度，人们进行了很多的研究，归纳起 来主要有两方面：一是寻求新的、更有效的分类方法；二是加入新的数据源，进行多 源数据参与分类的研究[2]。传统分类采用参数化统计分类方法，前提是假设图像数据 的特征空间符合某种参数化密度分布规律。而实际操作中存在两方面的难点：一方面 数据的特征空间分布往往很复杂，这样参数化统计分类方法就很难获得理想的分类结 果。另一方面，混合像元的存在是影响分类精度的主要因素之一，特别是对线状地物 和细小地物的识别影响尤为突出。以往对这个问题的解决多采用线性分解、概率模式、 主成分分析法以及数据融合技术等，但这些方法单纯依赖光谱数据，对于“同谱异物” 和“同物异谱”现象难以得到很好的解决。应用遥感影像进行植被分类时，“同谱异物”， “同物异谱”现象更是严重影响其分类精度。 近些年，地理信息系统应用和普及，使我们可以较容易地获得所需要的与图像分 类有关的地理辅助信息，如数字高程模型、坡度数据、土壤类型数据、森林植被现状 数据等，这些信息应用在目视判读上可以帮助我们改善判读精度，在一定程度上削弱 了“同谱异物”和“同物异谱”的影响。但是，这些数值型和非数值型的地理数据具有不 同的分布特征，致使无法和多光谱数据同时加入到统计模式识别方法的分类器中。人 工神经网络（Artificial Neural Network, ANN）是基于模仿人体大脑的结构和功能，对 各种感觉所提供的信息进行筛选与分析理解的一种信息处理系统。它具有并行处理、 自适应和非线性动力机制等优势，特征空间可以自由分布，可以对多源数据进行处理， 并可以实现联想功能。因此，人工神经网络的出现为