论文部分内容阅读
以“3S”技术为基础的森林资源监测方法，具有宏观性、综合性、短周期、可重复性和成本低的特点，已成为当今森林资源监测技术发展的主要方向。探索适合林业生产实际需要的森林资源遥感监测理论技术方法，尤其是提高遥感数据的森林分类和小班蓄积量估测的精度，是目前亟待解决的问题，也是当前的研究热点。 本研究采用2.5m、10m分辨率的SPOT5数据，深入探讨了SPOT5遥感数据预处理、森林遥感分类、小班蓄积量遥感估测的方法，试图为SPOT5遥感数据在森林资源监测中的应用提供科学依据和技术方法支持。主要研究成果如下： (1)针对南方林区的特点，提出了森林资源监测用SPOT5遥感数据的预数据处理方法。在实际应用中，宜采用如下技术流程：采用高精度的星站差分GPS采集足够数量的地面控制点；进行全色数据和多光谱数据的几何多项式校正并完成空间配准；采用IHS变换融合完成数据融合；结合高精度地面控制点、1：10000 DEM数据和SPOT5物理模型，进行正射校正；对正射数据做适当的分段线性拉伸和空间滤波处理；用XS2、(XS1×3+XS3)／4、XS1波段分别表示红绿蓝波段实现图像彩色合成。 (2)提出了基于SPOT5遥感数据光谱、纹理结构信息和历史调查数据挖掘的森林遥感专家分类模式，并完成了基于分类图的小班边界提取和面积估测。本研究所提出的分类模式具有良好的分类效果，总体分类精度达到了92.97％，Kappa系数为0.9172，各类别的分类精度均达到87％以上。历史调查数据参与遥感分类，可有效提高其分类精度，其在分类中的总体贡献率为11.55％，可以作为遥感分类的有益补充。在分类的基础上，可有效提取小班边界并完成小班面积估测。 (3)深入探讨了森林小班公顷蓄积量遥感估测模型建立与优化方法，完成了基于小班的森林蓄积量估测。在分析数据的基础上，选择了相关遥感因子和定性因子，并通过一系列模型的检验与修正，建立了公顷蓄积量估测的最优多元线性回归模型。结合小班面积估测值，计算了各小班相应的蓄积量。