遙感圖像林業(yè)信息挖掘及案例分析.pdf

1、林業(yè)的飛速發(fā)展以及林業(yè)信息的多樣化和復雜化,使得傳統(tǒng)獲取林業(yè)信息的方法已經不能滿足現(xiàn)代林業(yè)生產和林業(yè)科學的需求。近年來,隨著遙感影像分辨率的大幅提高,遙感技術在林業(yè)的應用也越來越廣泛。盡管遙感影像林業(yè)信息挖掘有了長足的發(fā)展,但是對于高分辨率遙感影像來說,利用傳統(tǒng)林業(yè)信息挖掘方法不僅精度不高,而且會造成空間數據大量冗余和資源浪費。
　　 本文選取湖南省株洲市分辨率0.61m的快鳥遙感影像為數據源,城區(qū)500hm2和郊區(qū)160 hm

2、2為研究對象,在總結國內外有關遙感影像挖掘、林業(yè)信息研究的理論和方法的基礎上,結合林業(yè)基礎理論,運用遙感與數據挖掘技術,挖掘出林業(yè)信息的三個方面:即應用植被指數和紋理特征的綜合方法提取林區(qū)面積；通過提取樹冠表面反射率最大點的方法提取林分密度和基于面向對象尺度分割的多特征分析方法來提取城區(qū)道路綠地信息。具體研究結果如下:
　　 (1)根據不同地物植被指數不相同的特點,判斷林地(包括梯田)與裸地、建筑物、水域等非林地的歸一化植被指數

3、(NOVI)的分界點,然后利用ENVI軟件將林地(包括梯田)與非林地分類。
　　 (2)由于遙感影像拍攝時間為秋季,梯田的NDVI值與林地很接近。所以輔以紋理特征,選取感興趣區(qū),采用灰度共生矩陣方法和C4.5決策樹分類規(guī)則制定林地與梯田的分類規(guī)則,得到置信度較高的分類規(guī)則,最后利用ERDAS的知識分類器進行分類后處理,通過計算機自動提取出各地類的面積。
　　 (3)樹冠大小是計算林分密度的關鍵,樹冠的光譜反射特性能有效地

4、估測樹冠大小。為此,本文運用樹冠密度代表林分密度的方法來提取林分密度。該方法利用局部最大值濾波法對遙感影像全色波段進行濾波處理,然后與全色波段進行疊加,通過求差運算,得出反射率最大點,最后采用樹冠密度代表林分密度的方法提取出林分密度。
　　 (4)由于城市綠地林相復雜,且有大量的零星綠地存在,用常規(guī)的綠地提取方法難以與其它綠地類型區(qū)分。根據道路綠地特有的形狀和空間位置以及長寬比明顯等特征,用基于面向對象尺度分割的多特征整合技術,

5、將道路綠地分為三種類型,設定一定的異質性指數閾值和光譜權重,選擇不同大小的分割尺度對道路綠地進行分類提取。
　　 當前,林業(yè)正走向信息化,“數字林業(yè)”正在向我們走來,而作為“數字林業(yè)”最重要的數據源遙感圖像,其分辨率的提高為“數字林業(yè)”的順利實施提供了強大的信息保證。遙感影像海量的林業(yè)數據使得數據挖掘技術在林業(yè)中的應用也越來越廣泛,但遙感影像林業(yè)信息挖掘正處于起步階段,尚有一些不完善的地方,比如難對林木的高、胸徑進行估測,對林種