论文部分内容阅读
本研究基于ALOS及TM遥感数据为数据源,采用面向对象的分类方法对怀柔区的针叶林进行提取,基于光学遥感数据的纹理信息构建衍生纹理指数波段对怀柔区的阔叶林进行提取,结合地面针、阔叶林调查样地,分别构建基于ALOS影像融合、多光谱数据纹理信息的针、阔叶林蓄积量反演模型,并制作了该区针、阔叶林蓄积量的空间分布图。主要结论包括：1.在遥感影像预处理阶段,对于高分辨率正射影像预处理时存在的影像间边缘不匹配的问题,提出楔入式边缘匹配法,实现了研究区正射影像重叠边缘错位的高精度匹配。2.基于Landsat TM5冬季影像,采用面向对象的分类方法,提出分区分阈值提取的思想,在无地面训练样本参与的情况下,对研究区的针叶林信息进行提取,以地面实测样本作检验,精度高达94.44%。3.基于ALOS影像纹理特征及纹理特征衍生指数,筛选出能够分离乔木植被与灌草植被的波段,采用面向对象的分类方法对研究区乔木林信息进行精确提取,并与研究区针叶林分布图叠加,获取研究区阔叶林的最终分布面积,以地面实测样本作检验,精度高达89.62%。4.基于ALOS影像多光谱数据、融合数据分别计算7种不同窗口下的纹理特征及衍生纹理指数,采用多元逐步回归模型分别对针叶林和阔叶林建立地面实测蓄积量与ALOS影像纹理特征及衍生纹理指数的相关关系,结果表明：(1)纹理特征及衍生纹理指数的生成窗口对森林蓄积量的反演精度产生影响,且这种影响有一定的规律可循；(2)基于光学遥感数据的纹理信息构建的衍生纹理指数波段,能够显著的提升森林蓄积量的反演精度；(3)基于融合数据纹理特征及衍生纹理指数构建的森林蓄积量模型较之基于多光谱数据,显著的提升了森林蓄积量的反演精度,即空间分辨率的提升能够显著的提升基于纹理信息的森林参数反演精度；(4)同窗口下衍生纹理指数与纹理特征相结合能够得到更高的反演精度,所有窗口下的纹理特征与衍生纹理指数相结合能够得到最优的蓄积量反演模型。