论文部分内容阅读
森林是陆地生态系统的主体,为地球提供着至关重要的生态系统服务,如提供食物、纤维,维持碳氮循环、调节区域水文气候等。精确的森林制图不仅有助于森林资源调查、林业资源管理,同时还对森林生态系统过程的揭示、森林生态系统建模等科学研究意义重大。 遥感技术在获取地物时空信息方面具有重要的作用,被广泛应用于森林类型提取及其变化探测研究。随着传感器与计算机技术的不断发展,遥感技术在森林领域的应用也在不断深化。利用遥感技术进行森林制图,目前已成为一种重要趋势。相对于传统森林调查方法,该技术极大的减少了作业强度,并极大的提高了效率。 然而,目前单一传感器都无法同时获取地表的高空间、高时间、高光谱信息。如Landsat数据具有相对较高空间分辨率,但重访周期为16天,且常受到云层干扰;MODIS数据具有较高的时间分辨率,但空间分辨率相对较粗,为250~1000m;HJ星的高光谱数据具有较高的光谱分辨率,具有115个波段,但空间分辨率为100m,且条带噪声严重,严重制约着其应用。本文拟利用不同遥感数据的优点,通过时空谱数据融合技术进行森林类型自动化分类。本研究的主要研究包括: (1)遥感影像数据的预处理。遥感数据的预处理,是遥感研究不可或缺的工作,是保证遥感数据精度与质量的基础性工作。本文预处理主要是针对本文选取的多源数据,对图像进行几何精校正、大气校正,以及高光谱条带噪声去除。结果表明,预处理后的遥感信息可以很好的进行数据融合。 (2)时空谱数据融合。由于多源数据时空谱特征的差异,难以满足应用需求,本研究分别采用当前流行的时空自适应融合模型(HSTAFM)和基于高光谱影像波段相关性的差值融合方法(SEGDV)。结果表明融合后的数据不仅具有高空间分辨率的特点,还具有高时间分辨率和高光谱分辨率的特点,可以很好的应用于森林类型分类。 (3)基于Landsat与MODIS数据的江西省森林分类。利用Landsat数据空间分辨率优势和MODIS的数据的光谱分辨率和时间分辨率优势,利用上述数据融合方法,同时从江西全省森林覆盖区域选取了1117个训练样本区和689个验证样本区,对江西省森林进行分类,结果表明,江西省森林面积为103,772km2,包括59.39%针叶林,22.96%阔叶林,4.90%针阔混交林与12.75%竹林。总体分类精度为73.94%,Kappa系数0.6。这表明,基于时空信息的分类方法有潜力将不同的森林类型进行区分。 (4)基于时空数据融合和基于空谱数据的合成数据对江西省赣江源自然保护区内的研究区进行主要地物分类。分类结果与单一传感器Landsat8数据,时空融合数据,空谱融数据的分类结果进行比较,结果表明多源数据融合后的分类精度明显优于单一传感器的分类精度,能够将不同的森林植被类型进行有效的区分。CCD与MODIS时空融合后的地物物候特征相较于HSI与CCD空谱融合后的光谱特征能够进行更准确的进行不同的森林类型的区分。