论文部分内容阅读
森林是地球上重要的陆地生态系统,是生物多样化的基础。世界各国都十分重视森林资源监测工作,在以空间技术为支撑的森林资源监测中,形成了大尺度、中尺度和小尺度3个层次的遥感监测体系。如何将不同测量平台上的多源数据进行整合,形成多尺度、不同分辨率(空间分辨率、时间分辨率)遥感数据体系,以便不同遥感数据源之间直接进行分析比较,已经成为当前研究中的热点与前沿问题之一。本文以新疆自治区昭苏县为研究实验区,选取了其时相相同且地理坐标配准的MODIS、RapidEye与TM数据。运用不同尺度矢量网格进行机械布样,结合林相图及二类调查数据筛选出符合要求的样本。提取了3类影像各个样本的NDVI (Normalized Difference Vegetation Index:归一化植被指数),通过回归分析法构建以MODIS NDVI数据为基准的线性归一化转换模型。并用它和MODIS阈值(阈值法)提取了RapidEye与TM影像的森林植被信息。具体的研究结论如下：(1)通过不同尺度样本NDVI的相关分析可知,750m为最优分割尺度,该尺度的样本能够有效的减少图像配准及传感器等因素引起的误差。(2)通过对MODIS与RapidEye、MODIS与TM这两组NDVI样本的对数、指数、多项式与线性回归分析,发现线性回归模型的相关性最高,R2分别为0.71与0.78,即线型回归模型能够较好反映这两组NDVI样本的相关关系。(3)基于阈值法运用MODIS阈值提取归一化转换后的TM NDVI与RapidEye NDVI图像影像的森林植被信息,森林植被信息分类的相对精度为80%、82.5%,绝对精度为81.6%、83.1%,分类效果理想,说明基于不同空间尺度的NDVI归一化转换方法是可行的。(4)根据高分数据获取到的森林植被信息,对基于阈值法的森林资源宏观监测的精度进行控制,将研究区的MODIS森林植被分类的绝对精度提高了11%。并在特克斯县及伊犁地区进行了推广实验,分类精度良好。