一、利用TM影像图编制林业局区划略图的探讨(论文文献综述)
李春干,代华兵[1](2021)在《中国森林资源调查:历史、现状与趋势》文中研究表明自20世纪50年代初以来,中国森林资源规划设计调查经历了目测调查(踏查)、航空目测调查、以小班为基础的抽样调查、以地形图为基础的小班调查和以高分辨率卫星遥感图像为基础的小班调查5个主要技术发展阶段。文中介绍各阶段森林资源调查的主要调查内容、技术方法和手段,其中小班调查内容和林分调查因子测量方法自20世纪80年代中期以来基本稳定,但小班区划和数据处理方法随着遥感和计算机技术的进步得到了较大发展;综述了2017年以来以机载激光雷达和高分遥感为核心技术的大区域森林资源调查技术进展,并展望了超高分辨率卫星遥感图像、无人机、地基激光雷达等新技术在森林资源调查中的应用前景。
王颖[2](2019)在《森林资源测计及经营管理系统设计与实现》文中指出森林资源是陆地上重要自然资源,不仅为人类的生产生活提供重要的经济支撑,而且对于保护生态环境及维持生物多样性也具有积极意义。随着无人机、摄影测量以及3S技术的发展,森林资源的调查及经营管理方法在不断改进,并形成了一系列的林业GIS平台。国内建立的平台大多针对特定区域的某个需求进行开发,虽然计算精度较高,但功能模块相对单一、系统与外业森林资源调查方法衔接较差、平台普适性较弱。本研究选用Visual Studio 2015为开发平台,以ArcGIS Engine组件式GIS为开发工具,利用Geodatabase和SQL server组织管理数据库,建立森林资源测计及经营管理系统。该系统包括用户管理、GIS基础操作、UAV森林资源测计、地面摄影测量森林资源测计、地面常规森林资源测计、森林资源管理、林木生长预测、林木经营决策和显示与输出等模块,功能模块相对较全;针对多种森林资源调查方法,系统提供对应的参数提取方法,最大化地实现系统对森林资源内业处理与外业调查的无缝结合;用全国数据拟合林分生物量模型、极限生长模型、对数生长模型、相对生长模型和林分生长模型,不仅可以对全国各地林分生物量、碳储量进行预测,也可以预测单木胸径、树高随年龄的变化和立木胸径变化与立地环境之间的关系,普适性强,便于林业管理者把握森林动态变化规律,为林木抚育、间伐、轮伐等经营活动提供依据;二维、三维展示实现森林资源的直观显示,对森林资源经营决策具有辅助作用,天然针阔混交林择伐经营和最佳轮发期计算等森林经营决策,有助于最大程度发挥林木经济价值、生态效益和社会效益,利于森林生态系统可持续发展。为了验证UAV森林资源测计模块和森林资源管理模块的可行性,将门头沟航飞影像区划为27个小班,提取每个小班的地形因子和单木参数,计测每个小班树木的平均胸径、平均高、株树密度、蓄积量、林分生物量和林分碳储量,掌握该区域树木生长情况,为森林经营决策提供依据;对地面摄影测量森林资源测计模块的林分信息提取精度进行验证,与每木检尺法相比,平均胸径绝对误差为0.3cm,相对误差为1.83%,株树密度绝对误差为-14株/hm2,相对误差为-1.51%,蓄积量绝对误差为8.39m3,相对误差为7.52%。
胡卫东[3](2018)在《“3S”技术在森林资源二类调查中的应用 ——以广西国有沙塘林场为例》文中认为二类调查,也称森林资源规划设计调查。由省级林业主管部门负责组织,按县或国有林业局、国有林场为单位开展,目的是查清调查区域森林资源现状及变化动态,分析前期经营活动的效果,为林业基层生产单位采伐限额编制、森林经营方案编制提供可靠的基础数据。传统的二类调查方法采用地形图目视定位、地形图现地区划、手工制图,耗时长、效率低、花费大,已明显不适应现代精准林业的发展需要,应用高新技术加强森林资源调查与经营管理已经成为迫切需求。本文采用文献研究法、实地调查法、定性定量分析法等方法,研究“3S”技术在广西国有沙塘林场二类调查中的应用,在实际应用过程中采用GPS、GIS技术对总体蓄积量抽样控制进行样点布设和定位,制作的样点分布图准确、规范,样点定位误差小于10m,实际抽样精度达到了 95%;采用RS技术、GIS技术对小班进行室内目视解译判读区划,全场共区划298个小班,通过小班实地验证,其中有290个小班区划结果正确无误,小班区划正确率达到97.3%;采用GIS技术制作二类调查专题图,制作完成的样点分布图,基本图、林相图、森林分布图美观清晰、统一规范、风格一致。通过“3S”技术在森林资源二类调查中的实际应用和对比分析研究表明:“3S”技术用于二类调查具有实际应用的实用性、先进性、必要性,“3S”技术在总体蓄积抽样控制调查、小班区划以及林业专题图制作的应用中体现了快速高效、高质低耗的优点,可以很好的解决传统技术在二类调查中存在的花费大、耗时长、效率低等问题,能适时、准确掌握森林资源的分布现状及特点,对于监测森林资源动态变化,提高二类调查工作的质量和效率,节省调查经费,及时、合理、有效进行森林资源分析、评价和决策具有重要意义。
阮氏茶(NGUYEN THI TRA)[4](2018)在《1993-2014年中-越边境森林变化比较研究》文中研究说明通过Envi平台的最大似然分类(Maximum likelihood classification)和地理信息(ArcGIS 10.2)软件的叠加手段,利用1993至2014年间的两期Landsat 5 TM数据和一期Landsat 8 OLI数据(1993年、2001年的TM影像和2014年的OLI影像),对中国研究区和越南研究区21年来的边境森林变化情况进行了处理,得出土地利用解译图,对三个时期进行了统计分析,并对不同类型变化情况进行计算分析,特别是森林面积变化。结果表明,中国研究区的森林面积从1993年至2014年持续增大。1993年中国研究区森林面积为16,565.36km2,2001年变为19,693.47km2,2014年增加到22,529.77km2。其他土地利用类型转换成森林是森林面积增加较快的主要原因。比如,1993年至2001年部分草地、耕地、裸地等土地利用类型转换成森林;2001年至2014年又有草地、耕地、裸地和火烧地等土地利用类型转换成森林。越南研究区的森林面积从1993年至2014年也呈增加趋势,但是较为缓慢。1993年有21,355.51km2,2001年变为22,999.35km2,2014年减少到22,110.91km2。1993年至2001年,森林面积增加的原因主要由于草地、耕地和云等土地类型转换成森林;2001年至2014年,森林面积稍微减少,主要是由于部分森林转换成草地、耕地、裸地、火烧和云等土地利用类型。综上所述,中国研究区和越南研究区森林面积从1993年到2014年呈增加趋势,中国研究区森林面积变化比较快,越南研究区森林面积变化比较缓慢。
于艳茹[5](2017)在《区域土地生态条件遥感信息提取研究 ——以京津冀城市群为例》文中进行了进一步梳理土地生态条件是备受社会关注的生态问题之一,土地生态条件的优劣直接影响着区域土地生态安全状况,社会经济发展趋势及人民生活质量。区域土地生态条件遥感信息提取工作是进行土地生态状况调查监测与评估的基础和前期性工作,掌握土地生态条件状况的关键环节,是摸清区域土地生态安全现状的必备技术手段。本文在整理和分析国内外对区域土地生态条件遥感信息提取研究案例的基础上,对各类影响因子进行了遴选,建立了影响区域土地生态条件的指标体系;通过分析土地生态遥感监测数据源,明确目前用于生态环境监测的遥感卫星数据源及其荷载参数(空间分辨率、时间分辨率、光谱分辨率、辐射分辨率)、遥感数据源适用空间尺度、遥感数据源适用生态指标等,明确了本研究所适用的数据源;通过参考各类技术标准的基础资料和成果精度,结合所选指标,分析指标与遥感影像光谱信息之间的关系、指标提取模型不同技术方法的构建原理、指标提取结果精度验证常用方法及效果、不同技术方法的适用条件、不同技术方法对数据源及其处理过程的要求等构建了指标提取方法体系。基于此,完成了区域土地生态条件遥感信息提取方案的编制工作,并以京津冀城市群为例,对方案进行验证,完成了京津冀城市群的土地生态信息提取工作。本研究主要结论如下:1.本文编制的技术方案科学、可行,可为土地生态条件遥感监测与信息提取技术的推广奠定基础。本方案充分利用已有的调查成果、规程规范、文献资料,依据科学可行的信息提取方法,可以得到系统、量化的土地生态状况结果,有利于摸清典型区域的土地生态问题,也有利于该种方法的推广,使大范围的土地生态遥感监测成为可能。2.在典型示范区遥感信息提取过程中,针对信息提取作业主要得到以下结论:(1)在指标提取过程中由于区域尺度跨行政区较多,覆盖不同的地貌类型,地表覆被较为复杂,因此对区域尺度进行目视解译及定量遥感反演的时候需要对区域进行生态分区,参考不同生态分区的地表形态、气候特征及生长季节差异,对土地生态状况调查监测指标进行信息提取工作;区域整体以中等空间分辨率的MODIS影像定量反演植被指数、植被覆盖度、生物量等指标,而城市建成区以空间分辨率较高的Landsat影像定量反演植被指数和植被覆盖度,两种数据源分辨率不同,应用在相对应的研究尺度上,则能较好地提取土地生态状况信息;研究区涉及的数据众多,坐标投影也不尽相同,尤其是MODIS数据投影不同于其他数据,因此需要根据作业要求将坐标和投影进行统一,提高不同数据之间的匹配程度,更便于应用多种数据进行生态问题分析。(2)京津冀城市群土地生态条件遥感信息提取结果可以定量描述该区域生态环境变化情况,也可以对比分析不同区域的生态状况,为当地土地生态问题解决提供基础资料,为经济社会发展,生态文明建设奠定基础。同时本研究成果可为评估典型示范区土地生态系统服务提供支撑,为开展土地生态状况调查与评估数据库建设等提供必要的基础数据。
温小荣[6](2017)在《森林资源二类调查关键技术与方法的研究》文中认为论文主要针对南方集体林区的森林资源调查与监测的关键技术与方法问题开展研究,选取了试验区1(浙江省建德市)、试验区2(江西省吉水白沙林场)、试验区3(江苏省东台林场)作为试验区。这些区域都处于南方集体林区的亚热带常绿阔叶林和针阔混交林经营区,南方集体林区具有较好的森林生长自然条件,森林资源集约化监测与管理对提升森林质量具有重要的意义。森林资源二类调查成果是指导和规范科学经营森林的重要依据,是森林质量精准提升的基础。森林资源监测的高新技术不断涌现,无人机遥感技术、地基激光雷达、机载激光雷达技术开始在森林资源二类调查中应用。现代化森林调查监测技术广泛应用了航天遥感、航空遥感、全球定位系统、数据库技术及计算机网络技术等高新技术,由此引发新形势下对高时效、高精度、多层次的森林资源二类调查的新要求。论文主要研究内容如下:1、构建了一个提取有林地小班地类变化的综合相似度指数FSi计算公式综合相似度指数FSi描述发生变化小班与入样有林地小班对象因子特征值之间的相似程度,FSi值越大表示该小班地类有极大的可能性发生变化。综合相似度指数计算公式如下:FSi=(?),Fzi=bzi-m1/σi式中,bzi为特征波段i中第z个小班波段值,m1、δ i分别为特征波段i中入样有林地小班对象波段均值和标准差,N为特征波段个数,FZi为构建的相似度指数统计量,FSi为综合相似度指数。试验区(建德市)2013-2014年landsat8 OLI遥感影像分析结果表明:2014年的各入样有林地小班对象的Band2影像特征值、Band3影像特征值、2013-2014的NDVI差值和其主成分分析第一主成分PC1差值的FZi,其趋势均呈现近似正态分布规律。利用该特征构建综合相似度指数FSi,实现试验区2013-2014年变化小班的提取,在不区分小班类型时正确率、漏检率、错检率分别为86.79%、13.21%、84.91%,区分小班不同的坡度和坡向类型时,其正确率都达到90%以上。该方法应用于同一地区2014-2015年小班变化信息的提取得到较好的效果,其正确率都达到80%以上。该方法为小班地类变化信息提取提供了一种改进的方法,为森林资源年度变更调查、森林资源二类调查的复查、小班空间数据获取提供支撑,具有较好的应用价值。2、研究了基于无人机遥感数据的森林蓄积量双重回归估计方法采用基于无人机遥感样地的模型预估蓄积量值作为双重回归估计中辅助因子,地面实测样地的蓄积量值作为双重回归估计中主因子(目标变量),论文提出了双重回归估计中辅助因子的几种估测方案。结果表明:五种辅助因子获取方案其估计精度都在90%以上,方案一、方案三、方案五其R2都在0.68以上,有利于提高估计精度,5种方案其估计区间也较为一致,说明基于无人机遥感数据获取辅助因子并进行双重回归估计是可行的,方法的研究为无人机遥感技术在区域森林资源二类调查和监测开辟了新的途径。由方案一双重回归估计得到试验区(东台林场)杨树人工林公顷平均蓄积量为142.6m3,公顷平均蓄积量其估计区间为133.8~151.4m3,其蓄积量总量估计区间为94265.1m3~106628.1 m3。该方案的估计精度为93.85%。由方案五双重回归估计得到东台林场杨树人工林公顷平均蓄积量为143.0m3,该方案的估计精度为93.26%,试验区杨树人工林蓄积量总量估计区间为94031.8m3~107371.0 m3。3、探讨了基于无人机遥感数据的森林生物量双重回归估计方法根据论文研建的冠幅和树高模型W = 0.0039Cw1.1153h2.8713,对样地生物量进行测算,作为其辅助因子。该方案基于无人机遥感影像获取的样地平均冠幅和林分平均高,本次试验用模型预估值代替林分平均高。应用样地平均冠幅和林分平均高推算无人机遥感样地单株平均生物量,根据无人机遥感样地获取的株数乘以单株平均生物量,得到样地的生物量。根据双重回归估计得到试验区平均单位面积的公顷生物量为73098.5247 kg。试验区杨树人工林地上部分生物量其总量估计为5.1486×107kg,估计区间为(4.7985×107~5.4987×107kg),估计精度为93.2%。4、提出了小班ΠPS抽样和分层ΠPS抽样的估计方法本文提出了小班ΠPS抽样总体总量的估计,并给出了小班ΠPS抽样的近似方差的估计量计算公式,并对试验区杨树人工林的蓄积量进行估计。论文研究结果可知,小班ΠPS抽样不分层的情况下,试验区杨树人工林总体总量的估计为98114.40 m3,估计区间为86348.08 m3~109880.72 m3,精度达到88.00%。对小班组合类型的分层ΠPS抽样估计得到较好的效果。小班分层ΠPS抽样对杨树人工林总体蓄积量的估计为99327.15 m3,其估计精度达到92.24%。在相同样本量的情况下,小班分层ΠPS抽样比不分层的小班Π PS抽样的精度要高。5、研究了小班Π PS抽样的森林生物量抽样估计方法对于试验区杨树人工林总体而言,小班分层Π PS抽样估计森林生物量其总量的估计为 51945846.68 Kg,估计区间为 47916655.21~55975038.16Kg。精度达到 92.24%。在相同样本量的情况下,小班分层Π PS抽样比不分层小班Π PS抽样估计森林生物量的精度要高。森林资源二类调查中各小班单元大小不等,应用不等概抽样效率高的优点进行森林资源二类调查中小班不等概抽样达到对调查总体提供可靠的估计,使得森林资源二类调查自成体系并有一定精度保证,是森林资源调查小班抽样需要解决的技术难题之一。本文研究的无放回小班不等概抽样(小班ΠPS抽样)在试验区杨树人工林蓄积量、生物量、林木总株数的估计中都取得了较好的效果,能达到森林资源二类调查规程规定的精度。论文研究有利于补充和完善小班不等概抽样理论与方法,形成小班ΠPS抽样的森林资源监测体系。总之,深入研究森林资源二类调查的关键技术与方法,将有助于推动地方森林资源监测技术进展。无论从森林资源监测的实际需要和该理论方法的解决等方面,该项研究都是有积极意义的。
吴见[7](2012)在《沙漠化现状定量评价遥感信息模型研究》文中研究说明沙漠化属于全球性环境恶化现象,国家需要及时准确地掌握其动态以便进行科学防治。但遥感技术在沙漠化监测与评价方面存在很多问题,例如评价指标选取不恰当、权重不客观、指标反演精度低等,至今仍缺乏一套被广泛认同的实用的定量评价指标体系。不同的地区和地物类型主导因子或许相同,但各因子对沙漠化的影响程度一定有差异。目前国内还没有以地物类型为基础的沙漠化遥感定量评价研究报道,如何从地物类型的角度对沙漠化进行遥感定量评价?解决这一问题将有助于认识土地退化过程的机制和成因等内容,有利于建立沙漠化评价指标体系。本论文以京津风沙源治理工程区为例,分别探讨了多光谱和高光谱遥感对干旱半干旱区土地沙漠化进行评价的具体方法,得到的主要结果归纳如下:1.提出将线性光谱混合分解模型、植被指数和专家知识相结合的地物信息分层次提取模型,实现了地物信息高精度分层次提取。2.筛选出区分树种信息的多光谱遥感指标,并引用改进的SVM算法提取了退耕还林地树种信息。结果表明,该方法平均精度较传统方法提高9.2%,对快速评价工程质量有重要意义。3.将纹理、空间信息融入到高光谱影像地物信息提取中。通过反射率光谱分析,结合纹理特征对地物信息进行提取,并采用基于空间信息的方法进一步对植被类型进行分类,平均分类精度较最大似然法提高17.8%。分析了高光谱遥感树种分类可行性,选取差异较大的波段及光谱特征参量,引用改进的BP神经网络模型完成林地树种信息提取。4.建立了基于地物类型的沙漠化评价遥感指标体系,明确了“基准”的确定方法,在分析大量实测数据的基础上提出了一种新的指标权重计算方法。经过验证,本文模型较传统模型的评价精度提高,评价结果更接近土地沙漠化的真实状况。5.提出了利用高分辨率卫星影像修正线性光谱混合分解模型分解的TM影像的植被分量,建立提取干旱半干旱地区植被覆盖度的模型。结果表明,该模型不仅提供了更纯的植被光谱信息,而且降低了对土壤背景的敏感度,更适合于中等分辨率卫星影像量化干旱半干旱地区植被覆盖度。6.利用高光谱遥感数据对森林蓄积量进行预测研究,确定了与蓄积量之间相关系数达到极显着水平的19个特征参数;比较了目前流行的多种高光谱植被盖度提取方法,结果表明基于一阶微分的PLSR模型效果最好。7.提出了通过高光谱影像分解剔除植被光谱干扰,从而更合理地预测土壤含水量的具体方法;分析了最小噪声变换回归模型和主成分回归模型预测土壤含沙量的能力。
高利[8](2012)在《帽儿山林场林业生产经营信息化技术的研究》文中认为信息技术的迅猛发展,极大地改变了林业的生产和管理方式。森林资源是林业的基础,是林业各项工作的出发点和落脚点。林业生产单位的基层部门数量多,信息化程度相对弱,人员素质相对低,是我国林业信息化的重点和难点。因此,全面提升我国林业生产经营与森林资源管理的现代化水平,是适应林业跨越式发展要求,促进林业宏观决策科学化,加速林业管理现代化的具有全局性和战略性的基础工作。本研究以帽儿山林场为研究区域,以森林资源调查数据、TM影像和各种图面资料(包括地形图、林相图),结合多种软件,采取理论和实践相结合的技术路线,进行了林业生产经营信息化技术的研究。这样,使林场等各基层单位实现了信息化管理,提高各种经营管理的科学水平。本研究取得了以下的研究成果:(一)采用扫描矢量化的方法获得地形图、林相图等的矢量空间数据;以1998年1景和2007年2景两期TM影像经过多光谱波段组合、几何校正、辐射定标、大气校正、太阳高度角校正等预处理过程,增强了TM影像的信息量,获得了研究的基础数据。(二)以ArcGIS Engine9.3为开发平台,以面向对象运行于NET Framework之上的高级程序设计语言C#为开发语言,研究开发了帽儿山林场林业生产经营管理系统,该系统界面友好、操作简单,实现了对空间数据浏览、查询、测量、保存、输出以及属性数据的浏览、编辑等基础地理功能,满足了对帽儿山林场的森林资源信息的查看与分析,为林业生产经营管理的信息化和信息化林场林业生产管理模块技术的研究提供了基础。(三)在林业生产经营管理系统的基础上,进行信息化林场林业生产管理模块技术的研究。(1)采用数据库文件管理(ADO连接Access数据库)和调用空间数据相结合获取林权信息及宗地数据的方式,开发了林权证及附图制作子模块,该模块可以进行林权证附图的制作,并以图片的格式输出到林权证的界面中;其次进行林权申请登记,其申请登记的内容直接保存到林权台账中供林权台账进行浏览、编辑、查询,最后提交到林权证的界面中,制作出林权证。这样,采用该模块不仅能减轻绘图人员和办公人员的劳动强度,提高了制图精度和工作效率。(2)采用C#调用ArcToolBox的工具的方法,利用ArcGIS中的模型生成器(ModelBuiler)开发了DEM及派生数据自动化生产子模块,使用该模块用户只需要输入几个必要的参数以及保存路径,就可以快速的生成DEM数据及派生的坡度、坡向和地貌晕渲图,使林业生产单位人员无需GIS知识,就可以生成所需要的地形数据。(3)采用C#+ArcGIS Engine9.3调用小班分布图、河流、道路等矢量数据以及栅格数据地貌晕渲图的方法,并采用编程的方式对各个数据层进行设置,生成了平面立体林相图,这样,就可以真实的再现了地形地貌,扩大了林相图的应用范围,充分发挥了林相图的作用。(4)以派生坡度、坡向为数据源,用ArcView的Avenue语言编程,计算出了每个小班的平均坡度值和平均坡向值,采用SQL查询语句的方式,针对森林采伐设计和更新设计的不同约束条件进行了森林主伐设计、抚育间伐设计和更新造林设计。(四)信息化林场森林资源数据更新技术的研究:(1)根据变化检测中的像素层图像差值法的原理,以1998年和2007年的两期TM影像经过处理后,获得NDVI差值,从而获得像元的正向分布和逆向分布,并采用1993年和2004年两期的林相图数据以逆向分布为例进行验证,结果表明:采用NDVI差值法进行森林资源监测的方法是可行和必要的,这样可以为森林资源变化的重点调查提供可靠的技术支持。(2)以帽儿山林场2004年森林资源调查数据为基础,在假设森林自然生长(未进行任何采伐)的前提下,以小班为单位采用林分生长预估模型预测了帽儿山林场有林地今后10年和20年的森林蓄积和今后20年中每10年间的枯损木蓄积,结果表明:帽儿山林场在没有人类干扰的情形下,森林生态系统结构和功能稳定,而且森林资源是可持续地增长。(3)以ArcSDE9.3、SQL Server2005和ArcGIS9.3所构建的时态GIS的版本化管理的环境,以Geodatabase的面向对象的时空数据模型为森林资源数据更新模型,以小班数据的图形和属性变动为研究内容,通过使用ArcGIS的版本化管理(Versioning)的方式,可以支持多用户同时编辑小班,也可以多用户编辑多版本的小班,这样既保留了原始的小班数据,又可以更新森林资源变化的小班数据,为森林资源数据的更新提供了技术支持。
李和顺[9](2010)在《中高分辨率遥感数据在森林采伐监测中的应用》文中提出森林采伐限额核查工作是通过实地调查来获取一定时段内林木采伐的实际情况,来评定地方的森林资源采伐管理工作质量的。传统的森林采伐限额核查工作劳动强度大,时间长,难以满足及时掌握森林采伐情况的需要。遥感技术具有宏观、动态、便捷、可重复性和成本低等诸多优点,随着遥感影像分辨率的逐步提高,中高分辨率遥感影像在森林资源遥感监测中得到广泛应用。本研究是以满足森林采伐监测实际应用需要为目的,结合TM、SPOT5两种影像数据源,以森林采伐小班提取为研究对象,从中观微观两个层次上,形成两级分辨率影像序列金字塔,提供从粗到细的对地观测数据源,分别采用不同的信息提取分类方法,对伐区进行信息提取与变化监测分析,得出研究区域内植被变化情况。旨在提高TM、SPOT5图像森林分类精度及采伐小班面积提取精度,为提高森林采伐小班监测效率寻求一条有效路径。本文研究结论如下:(1)首次利用DeltaCue模块,以TM影像为数据源,对试验区两期影像变化信息进行预分类,得出6878个变化图斑,其中正变化1163个图斑,负变化5715个图斑,初步获得变化信息范围。综合影像光谱特征及植被指数提取森林采伐小班,计算森林采伐小班面积。结果表明,利用TM影像多光谱特性好的特点提取采伐图斑,补充判读后进行现地验证,图斑个数加权综合正判率为78.9%,图斑面积加权综合正判率为96.3%,最小提取采伐图斑是3个像元(0.27hm2)。(2)对两期SPOT5融合数据(2.5m空间分辨率)进行面向对象的图像分割和伐区信息提取,采用图像分割—基于规则的分类—基于分类的分割的SPOT5影像分割方案,针对试验区森林采伐特点,提出SPOT5综合最优分割尺度为20。采用植被与非植被的分类与植被的细分类两次分类方案,,用最邻近分类器对两期影像进行分类,分类精度均在85%以上。对前期为植被地类,后期为非植被地类的变化图斑进行分析,利用最邻近分类方法对后期影像中符合NDVI<0.2、Brightness>75、Texture-Correlation-band4<-148.2条件的图斑进行提取。补充判读后进行现地验证,图斑个数加权综合正判率为90.8%,图斑面积加权综合正判率为96.9%,最小提取采伐图斑是3个像元(0.03hm2)。结果表明,利用面向对象特征提取方法,较大程度地提高了SPOT5图像的分类精度及采伐小班面积提取精度。(3)应用TM、SPOT5影像数据对森林采伐区进行监测,能较准确监测到皆伐伐区的分布位置,TM数据从中观的层次上提取伐区,补充判读后图斑数量正判率为78.9%,面积正判率为96.3%;SPOT5数据从微观的层次上提取伐区,补充判读后图斑数量正判率为90.8%,面积正判率为96.9%。SPOT5的多光谱数据在识别伐区的数量、面积及准确度均优于TM的多光谱数据。(4)对非皆伐伐区自动识别难度大,识别效果与两期卫星影像时相的一致性及采伐强度有关,从遥感影像的预判读数据可以看出,非皆伐图斑占预判读图斑总数的比例极低。TM提取的非皆伐图斑数为2个,占其预判读图斑总数的8%;SPOT5提取起的非皆伐图斑数为4个,占其预判读图斑总数的6%。探讨利用中高分辨率遥感影像进行森林资源采伐监测的方法,对监测的准确率等进行了阐述,为在采伐限额监测和核查中应用遥感信息提供了参考。
吴宁[10](2009)在《基于TM影像的文山州岩溶地区石漠化监测》文中研究表明运用2005年文山州TM影像资料及典型地区TM 7个波段数据,对文山州岩溶地区石漠化土地进行研究,建立石漠化分级的遥感影像解译标志,生成文山州各县石漠化分布图,在Arcview平台上解译,参考其他相关资料及图件,对文山州岩溶地区石漠化现状进行监测,建立文山州石漠化监测空间数据库。
二、利用TM影像图编制林业局区划略图的探讨(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用TM影像图编制林业局区划略图的探讨(论文提纲范文)
(2)森林资源测计及经营管理系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
1. 绪论 |
1.1. 研究背景 |
1.2. 国内外研究概况 |
1.2.1. 地理信息系统发展现状 |
1.2.2. 森林资源调查现状 |
1.2.3. 森林资源经营管理现状 |
1.3. 研究目的及意义 |
1.3.1. 研究目的 |
1.3.2. 研究意义 |
1.4. 研究内容与方法 |
1.4.1. 研究内容 |
1.4.2. 研究方法 |
1.4.3. 技术路线 |
1.5. 主要创新点 |
1.6. 本章小结 |
2. 需求分析与概要设计 |
2.1. 系统需求分析 |
2.2. 关键技术介绍 |
2.2.1. 组件式GIS开发技术 |
2.2.2. B/S与C/S架构 |
2.2.3. 平台界面设计 |
2.3. 总体设计方案 |
2.3.1. 系统开发运行环境 |
2.3.2. 系统架构设计方案 |
2.3.3. 系统功能设计方案 |
2.3.4. 系统数据库设计方案 |
2.4. 本章小结 |
3. 森林资源测计方法 |
3.1. 无人机在森林资源调查中的应用 |
3.1.1. 森林区划 |
3.1.2. 地形信息提取 |
3.1.3. 单木信息获取 |
3.1.4. 林分信息提取 |
3.2. 地面摄影测量在森林资源调查中的应用 |
3.2.1. 摄影测量方式及原理 |
3.2.2. 五棵树法蓄积量计算原理 |
3.2.3. 外业采集流程 |
3.3. 地面常规森林资源调查方法 |
3.3.1. 3D角规法林分观测 |
3.3.2. 圆形样地观测 |
3.3.3. 多边形样地观测 |
3.3.4. N棵树样地观测 |
3.4. 本章小结 |
4. 森林资源经营管理基本原理 |
4.1. 材积模型 |
4.1.1. 分省一元材积模型 |
4.1.2. 二元材积计算 |
4.2. 生物量模型 |
4.2.1. 全国林分生物量模型 |
4.2.2. 生物量常见模型 |
4.3. 碳储量模型 |
4.3.1. 全国林分碳储量模型 |
4.3.2. 碳储量常见模型 |
4.4. 林木生长预测模型 |
4.4.1. 单木生长模型预测 |
4.4.2. 林分生长模型预测 |
4.5. 森林经营辅助决策模块 |
4.5.1. 天然针阔混交林择伐经营 |
4.5.2. 最大化轮伐期 |
4.6. 本章小结 |
5. 系统实现 |
5.1. 用户管理模块 |
5.1.1. 功能结构 |
5.1.2 软件实现 |
5.2. GIS基础操作模块功能实现 |
5.2.1. 功能结构 |
5.2.2. 数据加载与保存 |
5.2.3. 地图操作与属性操作 |
5.2.4. 图层编辑与图层管理 |
5.3. 无人机森林资源测计 |
5.3.1. 功能结构 |
5.3.2. 测试数据来源 |
5.3.3. 森林区划 |
5.3.4. 面积计算及平差 |
5.3.5. 地形信息转化提取 |
5.3.6. 单木信息提取计算 |
5.3.7. 林分信息计算 |
5.3.8. 无人机模块林分参数获取 |
5.4. 地面摄影测量森林资源测计 |
5.4.1. 功能结构 |
5.4.2. 测试数据来源 |
5.4.3. 数据载入 |
5.4.4. 空间比例恢复 |
5.4.5. 胸径和最远距离计算 |
5.4.6. 写入其它参数信息 |
5.4.7. 林分参数计算 |
5.4.8. 地面摄影测量模块林分参数提取精度分析 |
5.5. 地面常规森林资源测计 |
5.5.1. 功能结构 |
5.5.2. 全站仪数据导入及GPS数据转shape |
5.5.3. 其他地面常规样地观测运行界面 |
5.6. 森林资源管理 |
5.6.1. 功能结构 |
5.6.2. 材积模型 |
5.6.3. 生物量、碳储量计算 |
5.6.4. 样木径阶统计 |
5.7. 林木生长预测模型 |
5.7.1. 功能结构 |
5.7.2. 单木生长模型预测 |
5.7.3. 林分生长模型预测 |
5.8. 森林经营辅助决策模块功能实现 |
5.8.1. 功能结构 |
5.8.2. 天然针阔混交林择伐经营 |
5.8.3. 最大化轮伐期 |
5.9. 显示与输出 |
5.9.1. 功能结构 |
5.9.2. 二维制图与输出 |
5.9.3. 三维展示 |
5.10. 本章小结 |
6. 结论与展望 |
6.1. 结论 |
6.2. 展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(3)“3S”技术在森林资源二类调查中的应用 ——以广西国有沙塘林场为例(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.2 研究的目的和意义 |
1.3 国内外研究概述 |
1.3.1 国内研究现状 |
1.3.2 国外研究现状 |
1.4 研究的主要内容和方法 |
1.4.1 研究的主要内容 |
1.4.2 研究的主要方法 |
1.4.3 技术路线 |
2 研究区概况 |
2.1 自然地理概况 |
2.1.1 地理位置 |
2.1.2 自然条件 |
2.2 交通运输 |
2.3 林场经营概况 |
2.3.1 机构和人员 |
2.3.2 生产经营 |
2.3.3 投资及收入 |
3 基于“3S”技术的森林资源调查 |
3.1 调查内容及精度要求 |
3.2 基于GIS与GPS的二类调查总体蓄积量抽样控制与样点调查 |
3.2.1 总体和样本单元的确定 |
3.2.2 样点布设 |
3.2.3 GPS样点定位 |
3.2.4 样点调查 |
3.3 基于RS、GPS、GIS的二类调查小班区划 |
3.3.1 获取卫星影像图 |
3.3.2 建立卫星影像图目视解译标志 |
3.3.3 在arcgis平台上进行室内目视解译 |
3.3.4 实地验证目视解译结果正确率 |
3.3.5 小班面积计算 |
3.4 基于GIS的二类调查专题图制作 |
3.4.1 ArcGis制图过程 |
3.4.2 ArcGis制图成果 |
3.4.3 ArcGis制图要解决的关键技术问题 |
4 结果与分析 |
4.1 质量结果 |
4.2 资源结果 |
4.2.1 全场森林资源主要指标概要 |
4.2.2 各类地类面积 |
4.2.3 各类林木蓄积 |
4.2.4 各林种面积、蓄积 |
4.2.5 各树种面积、蓄积 |
4.2.6 用材林近、成、过熟林面积、蓄积 |
4.3 “3S”技术在二类调查中的应用效果分析 |
4.3.1 “3S”技术在总体蓄积量抽样控制调查中的应用效果分析 |
4.3.2 “3S”技术在小班区划中的应用效果分析 |
4.3.3 “3S”技术在专题图制作中的应用效果分析 |
5 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
(4)1993-2014年中-越边境森林变化比较研究(论文提纲范文)
摘要 |
Abstract |
1 前言 |
1.1 研究背景 |
1.2 研究进展 |
1.2.1 中国和越南森林现状 |
1.2.2 国内外研究进展 |
1.3 研究目的和意义 |
1.4 拟解决的科学问题 |
1.5 研究内容及研究技术路线 |
1.5.1 研究内容 |
1.5.2 研究技术路线 |
2 研究区域概况 |
2.1 越南研究区概况 |
2.2 中国研究区概况 |
3 研究数据与研究方法 |
3.1 研究数据 |
3.1.1 文献阅读与资料收集 |
3.1.2 遥感数据选取 |
3.2 研究方法 |
3.2.1 遥感影像处理 |
3.2.2 遥感影像后处理 |
3.2.3 土地利用/土地覆盖变化分析方法 |
3.2.4 土地利用/土地覆盖动态分析 |
4 研究结果及分析 |
4.1 TM影像图和OLI影像图解译结果 |
4.2 土地利用/土地覆盖类型现状 |
4.3 土地利用/土地覆盖类型变化现状 |
4.4 土地利用/土地覆盖动态分析 |
4.5 森林变化分析 |
4.6 土地利用类型转移分析 |
4.6.1 1993-2001年阶段 |
4.6.2 2001-2014年阶段 |
4.7 森林增长情况 |
5 讨论 |
6 结论 |
附录 |
参考文献 |
攻读硕士期间完成的科研成果 |
致谢 |
(5)区域土地生态条件遥感信息提取研究 ——以京津冀城市群为例(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义与目的 |
1.3 国内外研究现状 |
1.3.1 区域土地生态条件的概念 |
1.3.2 国内外研究现状 |
1.4 研究目标与内容 |
1.4.1 确定生态遥感信息影响指标 |
1.4.2 确定生态条件指标提取技术方法 |
1.4.3 提出区域尺度土地生态条件遥感信息提取技术方案 |
1.5 研究方法与技术路线 |
1.5.1 研究方法选择与技术路线制定的要求 |
1.5.1.1 充分利用已有成果资料 |
1.5.1.2 充分应用已有成熟技术 |
1.5.1.3 充分衔接土地业务遥感监测相关内容 |
1.5.1.4 针对不同监测尺度,充分利用多种遥感数据源 |
1.5.2 研究方法 |
1.5.2.1 文献资料法 |
1.5.2.2 网络信息检索法 |
1.5.2.3 座谈法 |
1.5.2.4 目视解译法 |
1.5.2.5 定量遥感法 |
1.5.2.6 统计分析 |
1.5.3 技术路线 |
1.5.3.1 确定研究方向 |
1.5.3.2 资料收集与整理 |
1.5.3.3 典型示范区土地生态条件遥感信息提取 |
第二章 区域土地生态条件遥感信息提取的指标体系构建 |
2.1 区域土地生态条件分类与信息提取的相关理论 |
2.2 指标体系构建原则 |
2.3 指标体系框架 |
2.3.1 建成区面积及分布 |
2.3.2 非渗透地表面积及分布 |
2.3.3 植被覆盖状况 |
2.3.4 各类土地利用类型面积与分布 |
2.3.5 耕地数量质量特征 |
2.3.6 植被状况及生态服务功能 |
2.3.7 耕地潜力区 |
第三章 区域土地生态条件遥感信息提取方法 |
3.1 城市建成区土地生态条件遥感信息提取 |
3.1.1 城市建成区土地生态条件遥感信息提取数据源要求 |
3.1.2 城市建成区土地生态条件遥感信息指标提取方法 |
3.1.2.1 植被指数 |
3.1.2.2 植被覆盖度 |
3.2 区域整体土地生态条件遥感信息提取 |
3.2.1 区域整体土地生态条件遥感信息提取数据源要求 |
3.2.2 区域土地生态条件遥感信息指标提取方法 |
3.2.2.1 耕地集中连片度(破碎度) |
3.2.2.2 农田防护林网密度 |
3.2.2.3 河网密度 |
3.2.2.4 农田道路通达性 |
3.2.2.5 耕地灌溉保证程度 |
3.2.2.6 植被指数 |
3.2.2.7 生物量 |
3.2.2.8 叶面积指数 |
3.2.2.9 耕地后备资源数量及分布 |
第四章 京津冀城市群土地生态条件遥感信息提取 |
4.1 京津冀城市群概况 |
4.1.1 自然经济概况 |
4.1.2 生态概况与生态分区 |
4.2 .数据分析与整理 |
4.2.1 遥感影像数据 |
4.2.1.1 30米及以上空间分辨率、高光谱分辨率遥感影像 |
4.2.1.2 500米以上空间分辨率、高时间分辨率影像 |
4.2.2 矢量边界数据 |
4.2.2.1 区域尺度城市建成区矢量边界 |
4.2.2.2 区域尺度区域整体矢量边界 |
4.2.3 国土调查数据 |
4.2.3.1 土地利用变更调查数据 |
4.2.3.2 耕地质量等别更新成果数据 |
4.2.3.3 耕地后备资源调查数据 |
4.2.4 其他数据 |
4.2.4.1 先验地学背景资料 |
4.2.4.2 其他资料 |
4.3 土地生态条件遥感信息数据预处理 |
4.3.1 影像数据筛选 |
4.3.2 DOM生产 |
4.3.2.1 技术要求 |
4.3.2.2 影像预处理技术流程 |
4.4 指标提取基础资料的数据库建设 |
4.5 指标提取技术流程 |
4.6 指标提取及分析 |
4.6.1 遥感信息指标提取注意事项 |
4.6.1.1 合理划分生态分区,分区进行指标提取 |
4.6.1.2 根据研究尺度合理选择数据源 |
4.6.1.3 注意坐标投影一致性,保证数据正常使用 |
4.6.2 城市建成区指标提取及分析 |
4.6.2.1 建成区总面积及空间分布 |
4.6.2.2 非渗透/渗透地表面积及分布 |
4.6.2.3 植被指数 |
4.6.2.4 植被覆盖度 |
4.6.3 区域整体指标提取及分析 |
4.6.3.1 各土地利用类型面积与分布 |
4.6.3.2 耕地集中连片度(破碎度) |
4.6.3.3 农田防护林网密度 |
4.6.3.4 河网密度 |
4.6.3.5 农田道路通达性 |
4.6.3.6 耕地灌溉保证程度 |
4.6.3.7 植被指数 |
4.6.3.8 绿度 |
4.6.3.9 植被覆盖度 |
4.6.3.10 生物量 |
4.6.3.11 叶面积指数 |
4.6.3.12 耕地后备资源数量及分布 |
4.7 区域土地生态条件遥感信息提取成果应用 |
第五章 总结 |
5.1 主要研究成果 |
5.1.1 区域土地生态条件遥感信息提取综合指标体系 |
5.1.2 京津冀城市群土地生态条件遥感信息提取 |
5.2 创新点 |
5.3 不足与展望 |
参考文献 |
作者简介 |
攻读硕士学位期间发表的论文和科研成果 |
致谢 |
(6)森林资源二类调查关键技术与方法的研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 森林资源二类调查与我国的森林资源监测体系 |
1.3 国外森林资源调查与监测的发展概况 |
1.4 我国森林资源二类调查的发展历程 |
1.5 森林资源二类调查主要关键技术与方法进展概述 |
1.6 森林资源二类调查存在的问题 |
第二章 原理与方法 |
2.1 论文研究的技术路线 |
2.2 基于无人机遥感数据的双重回归估计方法 |
2.2.1 总体平均数的估计量及其方差 |
2.2.2 方差的估计量 |
2.3 小班πPS抽样估计原理与方法 |
2.3.1 总体总量Y的估计 |
2.3.2 估计量的方差 |
2.3.3 方差的估计量 |
2.3.4 小班πPS抽样估计量的近似方差 |
2.3.5 Hajek近似方差的估计量 |
2.4 小班分层πPS抽样估计方法 |
2.4.1 总体总量Y的估计 |
2.4.2 Hájek近似方差 |
2.4.3 近似方差估计量 |
2.5 森林小班变化信息的提取方法 |
2.5.1 入样有林地小班的选取 |
2.5.2 基于综合相似度指数有林地小班变化信息的提取方法 |
2.5.3 目视解译法提取有林地小班变化信息 |
第三章 研究区概况与数据来源 |
3.1 研究区概况 |
3.2 数据来源 |
第四章 数据处理 |
4.1 高分卫星数据(GF-1)的融合处理 |
4.1.1 数据准备 |
4.1.2 数据处理关键技术方法 |
4.1.3 融合影像在森林小班变化信息提取中的应用 |
4.1.4 小结 |
4.2 Landsat80LI数据预处理 |
4.3 无人机数据处理 |
4.4 基于无人机高分影像的小班边界区划 |
4.5 地基激光雷达点云数据处理 |
第五章 县级森林小班变化信息提取的研究 |
5.1 建德市森林资源现状 |
5.2 基于综合相似指数统计特征的有林地小班变化信息提取 |
5.2.1 数据准备与技术路线 |
5.2.2 基于伪不变特征的相对辐射校正 |
5.2.3 算法关键技术 |
5.2.4 结果分析 |
5.3 本章小结 |
第六章 基于小班组合类型的森林生物量遥感估测方法 |
6.1 基于小班组合类型的森林生物量遥感估测 |
6.1.1 数据准备 |
6.1.2 蓄积量与生物量转换方法 |
6.1.3 立地质量评价方法 |
6.1.4 特征变量选取 |
6.1.5 结果与分析 |
6.1.6 小结 |
6.2 本章小结 |
第七章 基于小班组合类型的森林蓄积量估测方法及其应用 |
7.1 基于县级森林资源二类调查数据的地位级表编制 |
7.1.1 数据筛选与数据整理 |
7.1.2 地位级表的编制 |
7.1.3 其他树种组地位级表编制 |
7.2 基于小班组合类型的林场经营单位级森林蓄积量的估测模型 |
7.2.1 数据准备及预处理 |
7.2.2 关键技术 |
7.3 本章小结 |
第八章 基于多源数据的测树因子相关性分析 |
8.1 数据准备与技术路线 |
8.2 树高胸径模型分析 |
8.2.1 数据整理及模型优选 |
8.2.2 模型检验 |
8.2.3 树高胸径改进模型 |
8.2.4 改进的树高胸径模型检验 |
8.3 平均高优势高模型分析 |
8.3.1 数据整理及建模样本的组织 |
8.3.2 模型建立 |
8.3.3 模型检验 |
8.4 单木冠幅胸径模型分析 |
8.4.1 数据整理及建模样本的组织 |
8.4.2 模型检验 |
8.5 基于样地平均冠幅的胸径回归模型 |
8.5.1 数据整理及建模样本的组织 |
8.5.2 模型检验 |
8.5.3 基于无人机遥感数据的平均胸径预测值和实测值相关分析 |
8.5.4 基于无人机遥感数据的平均冠幅与样地平均胸径相关分析 |
8.6 基于冠幅和年龄的胸径二元回归模型 |
8.6.1 数据整理及建模样本组织 |
8.6.2 模型检验 |
8.6.3 基于冠幅和年龄的平均胸径预测值与实测值相关性分析 |
8.7 年龄胸径预估模型分析 |
8.7.1 数据整理及建模样本的组织 |
8.7.2 模型检验 |
8.8 基于林分优势高与株数的直径预估模型 |
8.8.1 数据整理及样本组织 |
8.8.2 优势高模型的优选 |
8.8.3 优势高模型检验 |
8.8.4 杨树林分平均胸径预估模型 |
8.9 材积相关模型分析 |
8.9.1 数据准备及整理 |
8.9.2 基于冠幅树高的材积模型分析 |
8.9.3 模型检验 |
8.10 本章小结 |
第九章 基于无人机遥感影像的森林蓄积量生物量抽样估计 |
9.1 数据准备 |
9.2 蓄积量的双重回归估计 |
9.2.1 辅助因子估算模型的选择 |
9.2.2 双重回归估计结果 |
9.3 森林地上部分生物量的双重回归估计 |
9.3.1 与材积兼容的生物量模型 |
9.3.2 数据来源与建模分析 |
9.3.3 模型检验 |
9.3.4 森林生物量的双重回归估计 |
9.4 本章小结 |
第十章 小班πPS抽样估计及应用 |
10.1 小班πPS抽样的样本数量的确定和抽取方法 |
10.2 小班πPS抽样的森林蓄积量抽样估计 |
1、总量的估计 |
2、方差估计量 |
10.3 小班分层πPS抽样估计蓄积量 |
10.3.1 层的划分 |
10.3.2 各层的总量估计 |
10.3.3 其方差估计量 |
10.4 小班分层πPS抽样估计森林生物量 |
10.4.1 层的划分 |
10.4.2 各层的生物量总量估计 |
10.5 小班分层πPS抽样估计林木株数 |
10.5.1 层的划分 |
10.5.2 总体株数的估计及其方差估计量 |
10.6 本章小结 |
第十一章 结论与讨论 |
11.1 主要结论 |
11.2 本文创新点、展望与不足之处 |
攻读学位期间发表的学术论文 |
主要参考文献 |
(7)沙漠化现状定量评价遥感信息模型研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 沙漠化定量遥感信息提取研究进展 |
1.1.1 沙漠化遥感信息提取技术 |
1.1.2 沙漠化遥感监测指标定量反演技术 |
1.2 沙漠化定量遥感评价研究进展 |
1.2.1 沙漠化评价类型及指标体系 |
1.2.2 沙漠化遥感定量评价技术 |
1.3 研究目的和意义 |
1.4 研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 论文构成 |
2 研究区数据资料及预处理 |
2.1 研究区概况 |
2.1.1 京津风沙源治理工程区总体概况 |
2.1.2 试验样区概况 |
2.2 遥感数据选择与预处理 |
2.2.1 数据选择 |
2.2.2 数据预处理 |
3 基于知识的多光谱遥感信息提取模型研究 |
3.1 影像数据选取 |
3.2 地物分类体系 |
3.3 基于知识的地物分层次提取模型 |
3.3.1 地物光谱特征分析 |
3.3.2 线性光谱混合分解模型 |
3.3.3 分类规则构建及图像分类 |
3.3.4 精度评价 |
3.4 基于改进SVM算法的退耕地树种信息提取模型 |
3.4.1 不同树种光谱信息差异分析 |
3.4.2 基于改进SVM算法的树种信息提取 |
3.4.3 精度评价 |
3.5 结论 |
4 沙漠化现状定量评价多光谱遥感信息模型研究 |
4.1 野外调查 |
4.2 评价指标选取 |
4.3 沙漠化评价“基准”的确定 |
4.4 指标权重的确定 |
4.5 评价方法 |
4.6 多光谱遥感评价因子定量化 |
4.6.1 改进光谱混合分析模型植被盖度信息提取 |
4.6.2 基于LSMM的裸沙占地百分比信息提取 |
4.6.3 基于光谱特征参数的植被生物量估算回归模型 |
4.6.4 基于热惯量法的上壤含水量反演模型 |
4.6.5 氧化铁指标 |
4.6.6 土壤质地信息提取 |
4.7 沙漠化定量评价遥感信息模型的建立 |
4.8 精度评价 |
4.9 结论 |
5 基于多特征的高光谱遥感信息提取模型研究 |
5.1 影像数据选取 |
5.2 地物分类体系 |
5.3 基于多特征的地物分层次提取模型 |
5.3.1 地物反射率光谱分析 |
5.3.2 地物纹理特征提取 |
5.3.3 基于空间信息的植被分类模型 |
5.3.4 精度评价 |
5.4 基于改进BP神经网络模型的树种信息提取技术 |
5.4.1 树种光谱分析 |
5.4.2 改进BP神经网络模型 |
5.4.3 精度评价 |
5.5 结论 |
6 沙漠化现状定量评价高光谱遥感信息模型研究 |
6.1 野外调查 |
6.2 评价指标选取 |
6.3 评价方法 |
6.4 高光谱遥感评价因子定量化 |
6.4.1 最优植被盖度估测模型选取及植被盖度信息提取 |
6.4.2 基于高光谱特征参数的森林蓄积量遥感估算模型 |
6.4.3 基于植被光谱信息剔除的土壤含水量预测模型 |
6.4.4 基于MNF和PC回归的土壤含沙量估测模型 |
6.4.5 氧化铁指标 |
6.4.6 土壤质地信息提取 |
6.5 沙漠化定量评价遥感信息模型的建立 |
6.6 精度评价 |
6.7 结论 |
7 结论与讨论 |
7.1 研究结论 |
7.2 主要创新点 |
7.3 讨论及展望 |
参考文献 |
个人简介 |
导师简介 |
致谢 |
(8)帽儿山林场林业生产经营信息化技术的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 研究的目的和意义 |
1.3 林业生产经营与林业生产经营信息化 |
1.3.1 林业生产经营 |
1.3.2 林业信息管理系统 |
1.3.3 林业信息化 |
1.4 国内外林业生产经营信息化研究现状 |
1.4.1 国外林业信息化建设现状 |
1.4.2 国外林业信息化建设研究主要成果 |
1.4.3 国内林业信息化建设现状 |
1.4.4 我国林业信息化建设研究成果 |
1.5 林业生产经营信息化研建中的关键技术 |
1.5.1 COM组件技术 |
1.5.2 面向对象技术(Object Oriented) |
1.5.3 数据库访问技术 |
1.5.4 WebGIS技术 |
1.6 本文研究的主要内容 |
2 研究区域概况、研究方法及技术路线 |
2.1 研究区域概况 |
2.1.1 行政管辖与地理位置 |
2.1.2 地形地势 |
2.1.3 气候 |
2.1.4 土壤 |
2.1.5 河流 |
2.1.6 植被 |
2.1.7 森林资源概况 |
2.2 研究方法 |
2.3 技术路线 |
3 信息化林场资源数据的组织与处理 |
3.1 空间数据逻辑组织结构 |
3.1.1 栅格数据结构 |
3.1.2 栅格数据的组织 |
3.1.3 矢量数据结构 |
3.1.4 矢量数据的组织 |
3.2 林相图数据的获取与处理 |
3.2.1 数据来源 |
3.2.2 扫描林相图 |
3.2.3 校正林相图 |
3.2.4 矢量化林相图 |
3.3 地形图数据的获取与处理 |
3.4 遥感数据的获取与预处理 |
3.4.1 遥感数据的分类 |
3.4.2 遥感数据的获取 |
3.4.3 遥感数据的预处理 |
3.5 本章小结 |
4 信息化林场林业生产经营管理系统的研究 |
4.1 开发平台的选择 |
4.2 启动界面与组成 |
4.3 系统功能的实现 |
4.3.1 文件操作 |
4.3.2 编辑功能 |
4.3.3 浏览 |
4.3.4 测量 |
4.3.5 查询 |
4.3.6 打开属性表 |
4.4 本章小结 |
5 信息化林场林业生产管理模块技术的研究 |
5.1 林权证及附图制作子模块的实现 |
5.1.1 林权及相关知识 |
5.1.2 模块研究的必要性 |
5.1.3 模块的开发方式 |
5.1.4 数据库设计 |
5.1.5 林权证附图制作设计 |
5.1.6 模块实现流程图 |
5.1.7 模块的实现 |
5.2 DEM及派生数据自动化生产子模块的实现 |
5.2.1 DEM |
5.2.2 不规则三角网(TIN) |
5.2.3 坡度、坡向 |
5.2.4 地貌晕渲图(Hillshade) |
5.2.5 模块的设计 |
5.2.6 模块的实现 |
5.3 平面立体林相图子模块的实现 |
5.3.1 地形制图技术 |
5.3.2 平面立体林相图的实现 |
5.4 森林经营与工程管理子模块的实现 |
5.4.1 方法 |
5.4.2 主伐设计 |
5.4.3 抚育间伐设计 |
5.4.4 更新与造林设计 |
5.5 本章小结 |
6 信息化林场森林资源数据更新技术的研究 |
6.1 森林资源数据更新研究的必要性 |
6.1.1 森林资源动态过程 |
6.1.2 小班数据更新的含义 |
6.1.3 小班数据变化分析 |
6.1.4 存在的主要问题及必要性 |
6.2 基于归一化植被指数(NDVI)的森林资源变化监测 |
6.2.1 归一化植被指数(NDVI)相关理论知识 |
6.2.2 原理 |
6.2.3 森林资源变化更新监测方法 |
6.3 基于林分生长与收获模型的森林资源数据更新技术 |
6.3.1 林分与收获模型理论知识 |
6.3.2 建模过程中采用的手段 |
6.3.3 基于林分生长与收获模型的森林资源数据更新 |
6.4 基于时态GIS(TGIS)的森林资源数据更新技术 |
6.4.1 时态GIS(TGIS)相关理论 |
6.4.2 时态GIS更新森林资源数据的原理 |
6.4.3 小班变化的类型 |
6.4.4 森林资源数据的更新 |
6.5 本章小结 |
结论与讨论 |
结论 |
讨论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
个人简历 |
(9)中高分辨率遥感数据在森林采伐监测中的应用(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 森林采伐遥感监测研究现状 |
1.2.1 国外森林采伐遥感监测研究现状 |
1.2.2 国内森林采伐遥感监测研究现状 |
1.3 森林采伐遥感监测存在问题 |
1.4 研究内容、目的与技术路线 |
1.4.1 课题来源 |
1.4.2 研究目的 |
1.4.3 研究内容 |
1.4.4 研究方法和技术路线 |
2 论文采用理论与方法分析 |
2.1 变化信息提取的基本理论 |
2.1.1 变化信息的提取原理 |
2.1.2 变化信息的提取流程 |
2.1.3 DeltaCue模块简介 |
2.2 面向对象的影像分类方法概述 |
2.2.1 面向对象影像分类的定义 |
2.2.2 图像分割定义及方法 |
2.2.3 多尺度影像分割 |
2.2.4 模糊分类 |
2.2.5 eCognition软件简介 |
3 研究区概况与数据源 |
3.1 研究区概况 |
3.1.1 地理位置及地形地貌 |
3.1.2 森林资源概况 |
3.2 数据源 |
3.2.1 遥感数据源 |
3.2.2 其他数据源 |
3.3 数据处理平台 |
4 遥感影像预处理 |
4.1 数据预处理基本流程 |
4.2 SPOT5影像正射校正 |
4.2.1 试验区1:1万DEM制作 |
4.2.2 正射校正 |
4.2.3 精度计算 |
4.3 数据融合 |
4.4 彩色合成 |
4.5 TM影像数据正射校正 |
4.6 影像裁剪 |
5 森林采伐信息提取 |
5.1 TM影像伐区信息提取 |
5.1.1 植被变化信息提取 |
5.1.2 基于亮度值的分析 |
5.1.3 伐区信息提取 |
5.1.4 采伐小班提取 |
5.2 面向对象的SPOT5影像伐区信息提取 |
5.2.1 多尺度分割 |
5.2.2 影像分类 |
5.2.3 采伐小班提取 |
6 监测结果实地检验及讨论分析 |
6.1 监测结果统计 |
6.1.1 TM影像监测结果统计 |
6.1.2 SPOT5影像监测结果统计 |
6.1.3 监测结果实地检验 |
6.2 监测结果分析 |
7 结论与展望 |
7.1 结论 |
7.2 不足与展望 |
参考文献 |
附录A攻读学位期间的主要学术成果 |
致谢 |
(10)基于TM影像的文山州岩溶地区石漠化监测(论文提纲范文)
1 基本情况 |
2 石漠化状况调查 |
2.1 调查方法 |
2.1.1 卫星影像解译 |
2.1.2 主要监测因子及调查方法 |
2.2 石漠化监测技术标准 |
(1) 石漠化土地。 |
(2) 未石漠化土地。 |
(3) 石漠化程度。 |
2.3 TM卫星遥感数据处理 |
2.4 石漠化遥感判读 |
2.4.1 外业调查及建标 |
2.4.2 图斑区划[D2] |
2.4.3 实地验证 |
2.4.4 面积求算、统计、建立数据库 |
3 文山州岩溶地区石漠化监测结果 |
4 结论与讨论 |
四、利用TM影像图编制林业局区划略图的探讨(论文参考文献)
- [1]中国森林资源调查:历史、现状与趋势[J]. 李春干,代华兵. 世界林业研究, 2021(06)
- [2]森林资源测计及经营管理系统设计与实现[D]. 王颖. 北京林业大学, 2019(04)
- [3]“3S”技术在森林资源二类调查中的应用 ——以广西国有沙塘林场为例[D]. 胡卫东. 中南林业科技大学, 2018(06)
- [4]1993-2014年中-越边境森林变化比较研究[D]. 阮氏茶(NGUYEN THI TRA). 云南大学, 2018(01)
- [5]区域土地生态条件遥感信息提取研究 ——以京津冀城市群为例[D]. 于艳茹. 河北地质大学, 2017(03)
- [6]森林资源二类调查关键技术与方法的研究[D]. 温小荣. 南京林业大学, 2017(05)
- [7]沙漠化现状定量评价遥感信息模型研究[D]. 吴见. 北京林业大学, 2012(09)
- [8]帽儿山林场林业生产经营信息化技术的研究[D]. 高利. 东北林业大学, 2012(11)
- [9]中高分辨率遥感数据在森林采伐监测中的应用[D]. 李和顺. 中南林业科技大学, 2010(02)
- [10]基于TM影像的文山州岩溶地区石漠化监测[J]. 吴宁. 西南林学院学报, 2009(01)