50000字论文范文利用遥感影像数据计算森林面积的研究

论文类型：论文范文

论文字数：50000字

论点：遥感,植被,图像

论文概述：

随着资源遥感卫星在我国森林资源调查与监测等方面的广泛研究，应用林区遥感数据对包含林区的高分辨率遥感图像进行分类，并提取出森林区域的部分，就是本文的研究重点和主要内容。

论文正文：

第一章导言

1.1导言
陆地生态系统是全球生态变化研究的主要内容，而作为陆地生态系统最基本、最关键因素的地表植被覆盖状况已成为研究的焦点。无论在大气循环还是水循环中，植被都起着极其重要的作用，因此植被覆盖的变化对自然生态环境的变化起着不可估量的作用。因此，快速准确地获取植被覆盖度，对陆地生态系统进行调查和监测，科学保护和改善生态环境，制定相应的指导性和前瞻性法律政策具有重要意义。

1.2研究背景
森林面积大，已成为陆地上最大的生态系统，除海洋外地球生命系统的最大支柱，也是人类生存和发展不可或缺的基础(Janz，1993年；史密斯，2002)，是不可替代的。森林作为一种可再生资源，一直处于自然生长和灭绝的动态循环中。自从人类出现以来，特别是在过去的100年里，人类无限制的砍伐森林对森林生态系统的自然循环产生了巨大的影响，也对全球生态系统产生了一定的影响。因此，在一定时期内进行森林资源调查并持续跟踪森林资源状况(空) (Kohl，2004)，掌握各种物种群落的当前数量和生长情况，根据一定的先验知识估计它们的发展状况，对于促进生态环境和人类社会的可持续发展，制定森林规划和相应的法律政策(Janz，1993) (Korotkov等人，1993)；里斯等人，2003年；迈克尔塔。2004年).中国森林资源分布广泛，森林总面积1.74992亿公顷，森林覆盖率18.21%，居世界第五位。人工林占地5325.7万公顷，居世界首位(李秋娟等人，2008年)。
然而，自从人类诞生以来，特别是近数百年来，由于人类砍伐森林造成大量森林资源的浪费和破坏，这个问题非常严重。因此，加强森林保护和相关部门的监管，特别是森林资源的调查和监测，是实现我国林业现代化和人类社会与环境可持续发展的重要手段。(李刘玉，1999)根据最终目的、主要任务和内容范围，森林资源调查分为森林资源可持续性深入调查、部署设计调查和运行设计调查。过去森林资源调查工作大多采用人工地面调查，但这种方法的调查结果不可靠，经常存在工作量大、成本高、时效性差、准确性不足等问题(赵宪文等，2002)，难以满足现代林业数字化、信息化和现代化的需求。小班现场手绘地形图比例尺为1:10000，面积误差为25.0%，中心平均位移为77.1米，与实际应用要求略有不同(李甘淳等，2006)。
因此，自20世纪90年代以来，中国有许多学者(寇文正等人，1990；鲍英芝等人，1996年；冯中科等人，2001年a；唐守正等人，2006年)开始研究新方法，并大力实施。基于遥感(Remote Sensing，RS)，3S技术，包括地理信息系统(地理信息系统)和全球定位系统(全球定位系统)，以及以3S技术为辅助手段兴起的一系列方法，由于其数字化、实时性等一些传统技术无法比拟的优势，逐渐成为当前森林资源调查研究的热点(赵宪文等，2002)。自20世纪70年代初以来，中国的空间遥感技术已经应用于森林资源调查(李刘玉，1999；赵贤文等，2002)，由于它可以在固定的点上以快速和周期性的周期收集数据，因此逐渐成为调查和研究森林资源状况的最佳手段(赵贤文等，2002)。近几十年来，国内外专家对遥感技术应用于调查和探测森林资源状况并预测其发展和变化进行了大量深入研究(徐冠华，1994年；赵贤文等，2001；史密斯，2002年；李·甘淳等人，2004年；Sievanen，2004年).自本世纪初以来，中国实施了“数字林业”发展规划。该计划的实质是使用数字手段真实再现林业的具体情况(林晖等人，2002年)。“数字林业”主要包括两个方面，一是基于3S技术实现林业信息的完全数字化；二是这些数字信息的数据仓库存储、规范化处理、全网传输和实际应用。随着资源遥感卫星商业应用的发展，遥感技术作为调查森林资源和探测植被覆盖的一般手段，在各国和各组织得到了广泛的研究和应用。在高分辨率(空和分辨率在5m以内的遥感图像中，研究并解决了森林面积估计问题，即解决了遥感图像的森林分类问题。因此，高分辨率遥感图像的分类和森林面积的提取是本文的重点和主要内容。

1.3森林遥感影像分类研究现状
1.3.1国内发展现状
自20世纪80年代以来，国内学者对植被进行了大区域尺度的分类研究，主要采用纹理特征、植被指数动态聚类和经验1H交叉函数等方法(李兴民，2002)。(袁金国，1999)提出了一种基于植被指数的分类方法，用RVI来区分针叶林种，用PVI来区分阔叶林和针叶林。(李朝峰等，2004)在对概率神经网络进行深入研究后，基于其基本结构和训练方法，建立了一个应用于卫星遥感图像分类的概率神经网络模型。专家们还在传统分类方法的基础上提出了一些改进的新算法，并取得了良好的效果。例如(朱建华等，2000)提出了一种多光谱遥感图像分类的自适应最小距离方法。该算法能够自适应地划分数据样本集，并据此调整最小距离分类器的参数。实验对16种地物进行了分类，准确率为92.9%，表明该方法是有效的。
为了提高地表植被分类的精度，许多学者应用了近年来出现的开拓性新技术和新方法，例如开发新的采集透镜以提高遥感数据采集的空分辨率，利用微波进行遥感应用，并结合“3S”技术作为辅助手段。(刁淑娟，1995)综合利用遥感影像空特征、光谱特征和植物生长分布规律，利用地形地貌信息作为辅助手段，对攀枝花地区地表植被进行更系统的分类，分类精度达到90%；(刘卫国等，1998)根据不同地貌适合不同植被分布的先验知识，结合不同植被和地貌的光谱成像特征，在地理信息系统和遥感的支持下，对何澍山区植被进行了分类研究。(陈燕华等，2006)利用决策树生成方法自动提取知识构建用于山地图像分类的决策树，并利用地理信息系统空分析对分类后的图像数据进行后续处理，这种混合方法大大提高了山地表面植被分类的准确性，分类结果更加可靠。

1.4本文的主要内容是..............................9-10
1.5本文件的组织结构..............................10-11
第二章图像特征提取与分割技术..............................11-23
2.1图像特征提取技术..............................11-13
2.1.1特征提取的含义..............................11 [/BR/] 2.1.2特征提取技术分类..............................11-13 [/BR/] 2.1.3特征提取技术综述..............................13 [/BR/] 2.2图像分割技术概述..............................13-14 [/BR/] 2.3图像分割的定义..............................14-15
2.4图像分割算法概述..............................15-22 [/BR/] 2.4.1阈值分割方法..............................15-17
2.4.2基于边缘检测的分割方法..............................17 [/BR/] 2.4.3基于聚类分析的分割方法..............................17-22 [/BR/] 2.5本章概述..............................22-23
第三章高分辨率遥感影像林区提取算法..............................23-41
3.1一种自适应加权模糊聚类分割算法..............................23-33
3.1.1 AWFCM算法思想..............................23-24
3.1.2 AWFCM算法详细步骤..............................24-27
3.1.3 AWFCM实验定性分析对比图..............................27-31
3.1.4 AW FCM实验定量对比图..............................31-33[/比尔/] 3.2从遥感图像中提取森林部分..............................33-40[/比尔/] 3.2.1分形思想的命题..............................33 [/比尔/] 3.2.2分形理论的定义..............................33-35
3.2.3分形维数的测定..............................35-37
3.2.4林区提取实验分析..............................37-40
3.3本章概述..............................40-41
第四章系统实施和测试..............................41-44[/Br/][/Br/][/Br/][/Br/]摘要作为应对全球变化和陆地生态系统的重要组成部分，地表植被覆盖与环境变化之间的关系一直是专家们工作的重点。然而，森林面积和蓄积作为森林资源调查和监测的基本内容，一直是地表植被覆盖研究的重要内容。随着资源遥感卫星在我国森林资源调查监测中的广泛研究，应用森林遥感数据对包括林区在内的高分辨率遥感图像进行分类和提取部分林区是本文的重点和主要内容。
近年来，国内外专家学者在这些领域进行了深入的研究和应用，并取得了一些成果。例如，朱建华等人(2000)提出的自适应最小距离方法被用于多光谱遥感图像的分类。该算法对样本集进行运算，以协作和精细的方式自适应地划分样本集，从而调整最小距离分类器的参数，例如(江·青香等，2003)灰度共生矩阵的纹理分析方法应用于图像分类，另一个例子是(盖尔·卡彭特，et al)。，1997)一种基于最大似然法、ARTMAP神经网络和线性混合模型三种方法的新的数据模型混合分类方法。这些方法可以很好地处理某些领域的图像数据，但也不可避免地存在一些不足。例如，计算效率不高，分割精度不理想，对噪声敏感，依赖于初始化参数但不稳定，不能移植到遥感数据处理中。基于以上因素，在充分调研和分析国内外高分辨率遥感图像分类方法研究现状的基础上，提出了一种自适应加权模糊C均值聚类分割算法对高分辨率森林遥感图像进行分类，并利用分形维数特征提取分割后的高分辨率遥感图像的森林面积部分。