论文部分内容阅读
森林资源监测是森林资源管理中的关键环节,森林参数反演的优劣关系到森林资源监测的有效性和准确性,是目前现代林业监测中重要的研究领域。高空间分辨率影像具有丰富的空间信息和更为突出的纹理结构信息,能够较好的反映林木树冠信息,对树种识别和森林参数的提取具有重要的意义。本研究基于QuickBird和Worldview-2高分辨率影像,以将乐国有林场为试验区,从地形等自变量范围、分割算法、分类方法、反演模型方法等方面探究了高分辨率影像在中小尺度上的树种识别分类模型和森林参数反演估测模型。首先,利用灰度共生矩阵提取纹理特征信息,并结合有效角度信息和植被指数信息建立森林树种识别模型和森林参数估测模型。此外,探讨了 NDVI波段纹理对于森林树种识别和森林参数反演的作用。主要研究结论如下:1.基于杉木人工林地面数据,分析了坡向因子对杉木人工林直径结构规律的影响,同一林龄的杉木人工林在不同坡向上的直径结构规律存在较大差异,且单个样本规律与总体样本规律之间存在显著差异,应进行坡向效应分析。2.基于QuickBird高分辨率影像数据构建了一种基于影像对象同质性和异质性信息的随机森林分类方法,并利用WorldView-2数据进行了方法验证。研究了植被指数信息、NDVI波段隐含的影像纹理信息和有效角度信息对森林类型划分和森林参数反演的影响,进而建立高精度的树种识别分类模型。森林树种识别最优模型精度为80%-84%之间。3.基于高分影像数据建立了高精度森林参数反演模型方法。基于QuickBird和WorldView-2两种高分辨率影像数据建立的森林蓄积量估测多元回归模型相关系数为0.72;林分胸径估测多元回归模型相关系数为0.78;林分树高估测多元回归模型相关系数为0.88;以上估测模型可较好的反应森林参数与遥感因子之间的关系。