spot5遥感数据在森林资源监测中的应用研究

《spot5遥感数据在森林资源监测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广西大学硕士学位论文SPOT5遥感数据在森林资源监测中的应用研究姓名：代华兵申请学位级别：硕士专业：生态学指导教师：庞正轰;李春干20060501广西大学硕士学位论文SPOT5遥感数据在森林资源监剥中的应用研究SPOT5遥感数据在森林资源监测中的应用研究摘要以“3s”技术为基础的森林资源监测方法，具有宏观性、综合性、短周期、可重复性和成本低的特点，已成为当今森林资源监测技术发展的主要方向。探索适合林业生产实际需要的森林资源遥感监测理论技术方法，尤其是提高遥感数据的森林分类和小班蓄积量估测的精度，是目前亟待解决的问题，也是当前的研究热点。本研究采用2．5m、10m分辨率的

2、SPOT5数据，深入探讨了SPOT5遥感数据预处理、森林遥感分类、小班蓄积量遥感估测的方法，试图为SPOT5遥感数据在森林资源监测中的应用提供科学依据和技术方法支持。主要研究成果如下：(1)针对南方林区的特点，提出了森林资源监测用SPOT5遥感数据的预数据处理方法。在实际应用中，宜采用如下技术流程：采用高精度的星站差分GPS采集足够数量的地面控制点：进行全色数据和多光谱数据的几何多项式校正并完成空间配准；采用IHS变换融合完成数据融合；结合高精度地面控制点、1：10000DEM数据和SPOT5物理模型，进行正射校正：对正射数据做适当的分段线性拉伸和空间滤波处理：用XS2

3、、(XSlx3+XS3)／4、XSl波段分别表示红绿蓝波段实现图像彩色合成。(2)提出了基于SPOT5遥感数据光谱、纹理结构信息和历史调查数据挖掘的森林遥感专家分类模式，并完成了基于分类图的小班边界提取和面积估测。本研究所提出的分类模式具有良好的分类效果，总体分类精度达到了92．97％，Kappa系数为O．9172，各类别的分类精度均达到87％以上。历史调查数据参与遥感分类，可有效提高其分类精度，其在分类中的总体贡献率为11．55％，可以作为遥感分类的有益补充。在分类的基础上，可有效提取小班边界并完成小班面积估测。(3)深入探讨了森林小班公顷蓄积量遥感估测模型建立与优化

4、方法，完成了基于小班的森林蓄积量估测。在分析数据的基础上，选择了相关遥感因子和定性因子，并通过一系列模型的检验与修正，建立了公顷蓄积量估测的最优多元线性回归模型。结合小班面积估测值，计算了各小班相应的蓄积量。关键词：SPOT5遥感数据森林资源监测数据处理森林分类蓄积量估测广西大学硕士学位论文SPOT5遥感数据在森林资源监测中的应用研究THEAPPLlCATIoNoFSPoT5REMoTESENSINGDATAINFoRESTRYSURVEYlNGABSTRACT“3S”technology—basedmethodsforforestresourcessurveyingh

5、asbeconlethemaindirectionofdevelopmentofupdateforestresourcessurveyingtechnology．Probeforappropriatemethodsofforestresourcessurveying，especiallytheforestclassificationbyremotesensingdataandthesub-compartmentvolumeestimation，hasbecomethepressingissues．ThisstudyusedSPOT5datawith25mresoluti

6、onforforestresourcessurveying，thoroughiydiscussedthemethodsofSPOT5remotesensingdataprocessing，[emotesensingclassificationofforestsandsub．compartmentvolumeremotesensingestimationWeattempttoprovidethescientificbasisandsupportsoftechnicalmethodsforforestresourcessurveyingbySPOT5dataMajorres

7、earchresultsaresuchasfollows：(1)PutforwardtheSPOT5dataprocessingmethodsforforestresourcessurveyinginsouthchinaInpracticalapplications，areadvisedtoUSethefollowingtechnicalprocesses：Collectasufficientnumberofgroundcontrolpointsbyhigh—precisionWADGPS；Completethepanchromatica