版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、森林植被是生態(tài)系統(tǒng)中主要的自然資源,在全球碳水循環(huán)中發(fā)揮著重要的作用。隨著人們對森林資源的需求日益增長,對森林類型信息的識別提取就具有重大意義。近幾年來遙感技術(shù)的不斷發(fā)展應(yīng)用,利用遙感技術(shù)監(jiān)測森林已經(jīng)成為發(fā)展的必然趨勢。遙感呈現(xiàn)出多源信息化,與單一的遙感信息源相比,不同的遙感數(shù)源融合可以獲得更精準(zhǔn)的林分類型識別結(jié)果。
林分類型信息的提取一直是遙感影像分類中的熱點(diǎn)和難點(diǎn)。而大興安嶺區(qū)又是我國重點(diǎn)林區(qū)和天然林主要分布區(qū)之一,植被類
2、型豐富,種類繁多,這為林分類型精確識別帶來了很大的難度。為了比較和提高林分類型的分類精度,研究結(jié)合主被動(dòng)遙感,利用光譜特性、極化特性和多時(shí)相特性在不同林分類型中的差異,進(jìn)行林分類型信息的高精度識別。
研究以大興安嶺林區(qū)盤古林場為實(shí)驗(yàn)區(qū),綜合利用SPOT-5影像和不同時(shí)相的RADARSAT-2全極化SAR影像,本論文采用三種分類方案并利用最大似然分類方法和支持向量機(jī)(SVM)分類方法對研究區(qū)遙感影像進(jìn)行分類,并比較不同分類方案對
3、林分類型識別的精度。三種方案分別是:(1)單獨(dú)采用SPOT影像對林分類型進(jìn)行識別;(2)對全極化SAR數(shù)據(jù)進(jìn)行極化分解提取參數(shù)并結(jié)合SPOT數(shù)據(jù)參與分類;(3)結(jié)合SPOT數(shù)據(jù)與多時(shí)相全極化SAR分解參數(shù)進(jìn)行分類。結(jié)果表明:利用最大似然分類方法對比SPOT、加入單時(shí)相和加入多時(shí)相三種方案的分類結(jié)果,方案三加入多時(shí)相SAR影像與SPOT數(shù)據(jù)對白樺林、落葉松林、樟子松林和云杉林的分類中總分類精度最高,為84.64%,Kappa系數(shù)為0.78
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多時(shí)相ENVISAT ASAR數(shù)據(jù)森林分類制圖.pdf
- 塔河地區(qū)基于HSI數(shù)據(jù)的林分類型識別研究.pdf
- 基于TM數(shù)據(jù)的森林分類研究——以白石頭溝林場為例.pdf
- 基于SVM的多時(shí)相極化SAR影像土地覆蓋分類方法研究.pdf
- 面向?qū)ο蟮腝UICKBIRD數(shù)據(jù)和SAR數(shù)據(jù)融合分類分析.pdf
- 基于Hyperion數(shù)據(jù)的森林類型識別.pdf
- 基于多時(shí)相遙感數(shù)據(jù)的茂縣景觀生態(tài)安全評價(jià).pdf
- 基于多時(shí)相遙感數(shù)據(jù)的清口地區(qū)河道演變研究.pdf
- 林場森林分類經(jīng)營的淺談
- 基于多頻段SAR極化數(shù)據(jù)的海冰分類研究.pdf
- 基于數(shù)據(jù)挖掘的車輛類型識別的研究.pdf
- 基于多種特征的多時(shí)相SAR圖像精配準(zhǔn)研究.pdf
- 基于數(shù)據(jù)挖掘的郵件分類識別研究.pdf
- 基于多時(shí)相Landsat8數(shù)據(jù)的綜合多特征棉田提取研究.pdf
- 基于多時(shí)相遙感數(shù)據(jù)青島市熱島效應(yīng)變化研究.pdf
- 基于內(nèi)容的數(shù)據(jù)碎片類型識別技術(shù)研究.pdf
- 基于多源多時(shí)相遙感數(shù)據(jù)水稻長勢參數(shù)提取與應(yīng)用.pdf
- 基于多時(shí)相l(xiāng)andsat8數(shù)據(jù)的綜合多特征棉田提取研究
- 工商數(shù)據(jù)行業(yè)類型分類
- 工商數(shù)據(jù)行業(yè)類型分類
評論
0/150
提交評論