中高分辨率遙感影像闊葉林信息提取研究.pdf

1、森林是地球上最大的陸地生態(tài)系統(tǒng)，是人類賴以生存和發(fā)展的必要基礎，它不僅給人類提供豐富的木材和林副產品，而且在調節(jié)氣候、涵養(yǎng)水源、保護環(huán)境等方面均起到重要作用。因此，開展森林資源調查，掌握森林資源現(xiàn)狀及其變化，對于提高林業(yè)發(fā)展決策水平，促進林業(yè)和社會經濟乃至全球環(huán)境的可持續(xù)發(fā)展等具有極為重要的意義。與傳統(tǒng)方法相比，遙感影像智能解譯因其宏觀性、短周期性、可重復性等優(yōu)點，被廣泛應用于森林資源監(jiān)測中。
　　 現(xiàn)有遙感影像解譯算法很多，并

2、已成功應用于諸多領域，特別是地物光譜特征和多源遙感數(shù)據(jù)相結合進行分類已成為研究熱點。本文使用ALOS遙感數(shù)據(jù)，通過單波段、多波段統(tǒng)計方法分析波段數(shù)據(jù)特征，獲得對影像的整體認識；運用歸一化植被指數(shù)、主成分分析以及最佳指數(shù)法計算不同植被類型的光譜特征，通過與最大似然法對比，結合實地調查數(shù)據(jù)，構造出理想的決策樹算法規(guī)則，研究廣西壯族自治區(qū)平南縣內的植被分類問題，同時還將調整的算法應用于TM、SPOT5遙感數(shù)據(jù)，旨在為中低分辨率森林類型信息的快

3、速提取提供參考。主要研究結論如下：
　　 (1)由相關性水平和信息量統(tǒng)計可知，ALOS數(shù)據(jù)4個波段中，波段1、2、3的相關性顯著，而波段4與其他波段相關性較低，說明其具有很大的獨立性，在進一步遙感信息提取中是必選波段，其次是3、2、1波段。
　　 (2)最佳指數(shù)分析表明，ALOS數(shù)據(jù)理論最佳RGB合成為1—3—5(NDVI)波段，但考慮信息量、地類可區(qū)分度和色彩豐富度，其效果均不如4—3—2波段組合。
　　 (3

4、)通過分析ALOS影像原始波段發(fā)現(xiàn)，各植被類型在部分波段上走勢相近，不易區(qū)分。但加入NDVI及主成分分析后，植被類型間的區(qū)分度顯著增強，從而為構造闊葉林遙感信息提取的波段組合提供參考。
　　 (4)對于ALOS數(shù)據(jù)，決策樹分類算法總體精度達89．94％，kappa系數(shù)為0．8787，與最大似然法相比，分類精度顯著提高，其中闊葉林制圖精度為88．14％，用戶精度為88．89％，說明根據(jù)ALOS影像光譜特征規(guī)律，采用決策樹算法選擇合

5、適的閾值提取植被信息是可行的。
　　 (5)基于ALOS的最大似然法闊葉林提取精度達到83．90％，但竹林、灌木林、農田等類型提取誤差較大，依然存在錯分和漏分現(xiàn)象，而決策樹算法可以在很大程度上克服混合分類現(xiàn)象，提高闊葉林提取的精度。
　　 (6)誤差矩陣分析表明，基于TM和SPOT5數(shù)據(jù)的決策樹算法分類質量較理想，總體精度分別為86．05％，90．61％，說明決策樹分類算法不僅可以對植被進行分類與識別，而且對于不同數(shù)據(jù)源