基于高分辨遙感數(shù)據(jù)的胡楊、檉柳識(shí)別與樹冠提取研究.pdf

1、基于QuickBird(QB)、WorldView-1(WV)、無(wú)人機(jī)航拍數(shù)據(jù)，研究不同方法定量提取胡楊（Populus euphratica）、檉柳（Tamarix ramosissima）樹冠效果的優(yōu)劣，并分析塔里木河下游2004～2011年胡楊、檉柳冠幅與地下水埋深關(guān)系，主要結(jié)論如下:
　　1、基于高分辨衛(wèi)星數(shù)據(jù)的胡楊、檉柳樹種識(shí)別
　　(1)采用交叉驗(yàn)證方法進(jìn)行支持向量機(jī)(Support Vector Machine

2、，SVM)參數(shù)率定，確定了識(shí)別胡楊、檉柳效果較好的懲罰系數(shù)C和核參數(shù)γ的取值，對(duì)不同的研究對(duì)象，不同遙感數(shù)據(jù)、不同分類方法其參數(shù)均不同。采用逐級(jí)變換、效果觀察方法確定紋理窗口，結(jié)果表明:基于QB數(shù)據(jù)采用7×7窗口、基于WV數(shù)據(jù)采用9×9窗口時(shí)分類精度最高，分別達(dá)86.14％、84.17％。
　　(2)基于QB數(shù)據(jù)，光譜結(jié)合紋理SVM總體分類精度平均為84.01％，較光譜單數(shù)據(jù)源SVM高3.33％。面向?qū)ο蠓ㄖ蠶B、WV數(shù)據(jù)總體分類

3、精度最高，分別為87.79％、87.72％，Kappa系數(shù)都達(dá)0.84。在塔里木河下游，基于高分QB、WV數(shù)據(jù)，采用面向?qū)ο蠓浞N識(shí)別效果最優(yōu)，它可有效利用影像中地物光譜、紋理、空間等信息，解決了其它方法因“同物異譜”、“異物同譜”造成提取樹冠破碎問(wèn)題，提高樹種識(shí)別精度。
　　2、基于高分辨衛(wèi)星數(shù)據(jù)的胡楊、檉柳冠幅提取
　　(1)基于支持向量機(jī)、面向?qū)ο?、最大似然法提取樹冠，以面向?qū)ο蠓涔谔崛【茸罡?，QB、WV數(shù)據(jù)精度分

4、別達(dá)87.77％、89.41％，表明:大范圍高分遙感數(shù)據(jù)上樹冠提取可采用面向?qū)ο蠓ā?br>　　(2)胡楊冠幅提取精度高于檉柳;密區(qū)冠幅提取精度低于中密區(qū)和疏區(qū);近河區(qū)域的冠幅提取精度高于遠(yuǎn)河區(qū)域。
　　3、基于高分辨衛(wèi)星數(shù)據(jù)的胡楊、檉柳冠幅動(dòng)態(tài)變化分析
　　基于2004年QB數(shù)據(jù)和2011年WV數(shù)據(jù)，對(duì)塔里木河下游同一區(qū)域胡楊、檉柳進(jìn)行樹冠提取，結(jié)果表明:2004～2011年，不同離河距離胡楊、檉柳冠幅均有增加，離河越近、

5、地下水埋深越淺，樹冠增幅越大;使用間隔期5～7年、同一區(qū)域高分辨遙感數(shù)據(jù)，可定量獲取研究區(qū)樹冠變幅。
　　4、基于無(wú)人機(jī)數(shù)據(jù)的胡楊、檉柳樹冠提取
　　基于無(wú)人機(jī)數(shù)據(jù)，采用面向?qū)ο蠓?、目視解譯法提取胡楊、檉柳樹冠，結(jié)果表明:面向?qū)ο蠓▎文竟诜崛【冗_(dá)86.72％，林分平均冠幅提取精度達(dá)87.22％，樣地郁閉度估測(cè)精度83.33％，它們分別較目視解譯低0.62％、高1.86％、高3.19％?；跓o(wú)人機(jī)航拍數(shù)據(jù)，采用面向?qū)ο蟮臉?/p>