森林生態(tài)系統(tǒng)作為陸地上最大的生態(tài)系統(tǒng),與人們的生活息息相關(guān),植被類型的準確識別是利用遙感技術(shù)研究森林資源的基礎(chǔ)。目前,遙感技術(shù)在植被識別中的應(yīng)用,主要集中在植被類型單一的地形平坦區(qū)域。云南省普洱市為典型的山區(qū)地貌,地處亞熱帶與熱帶過渡區(qū)域,受亞熱帶季風(fēng)氣候的影響,森林類型豐富,植被多樣。本實驗結(jié)合多源數(shù)據(jù)的特點,以2014年機載AISA Eagle II高光譜和LiDAR數(shù)據(jù)為基礎(chǔ),提取點云高度特征和高光譜影像中光譜與紋理特征,采用主成分變換（Principal Component Analysis,PCA）融合方法,選用支持向量機（Support Vector Machine,SVM）分類器,對普洱山區(qū)主要樹種進行識別分類,為實驗區(qū)域森林的生態(tài)監(jiān)測和可持續(xù)經(jīng)營提供數(shù)據(jù)支持。主要結(jié)論如下:1、基于TerraScan點云得到數(shù)字表面模型（Digital Surface Model,DSM）與數(shù)字高程模型（Digital Terrain Model,DEM）,獲取實驗區(qū)數(shù)字冠層高度模型（Canopy Height Model,CHM）,用來反映植被的高度。2、選擇適合山區(qū)影像校正的ACTO... 

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究目的與意義
    1.2 機載LiDAR與影像融合分類的理論基礎(chǔ)
        1.2.1 不同傳感器來源數(shù)據(jù)融合理論
        1.2.2 機載LiDAR與影像數(shù)據(jù)的融合
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 遙感影像分類研究狀況
        1.3.2 機載LiDAR研究現(xiàn)狀
        1.3.3 機載LiDAR與遙感影像融合的分類
    1.4 研究內(nèi)容及技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
    1.5 論文組織結(jié)構(gòu)
第二章 研究區(qū)域概況及數(shù)據(jù)
    2.1 研究區(qū)域概況
        2.1.1 基本狀況
        2.1.2 地形地貌
        2.1.3 氣候特征
        2.1.4 土壤概況
    2.2 森林植被類型介紹
    2.3 實驗數(shù)據(jù)
        2.3.1 遙感數(shù)據(jù)來源
        2.3.2 樣地數(shù)據(jù)
    2.4 小結(jié)
第三章 影像處理
    3.1 機載LiDAR數(shù)據(jù)處理
        3.1.1 機載LiDAR數(shù)據(jù)預(yù)處理
        3.1.2 激光點云數(shù)據(jù)生成CHM
    3.2 高光譜遙感影像預(yù)處理
        3.2.1 大氣校正
        3.2.2 地形輻射校正
        3.2.3 影像PCA變換
    3.3 遙感數(shù)據(jù)間配準
        3.3.1 配準的理論基礎(chǔ)
        3.3.2 影像配準方法
    3.4 機載LiDAR數(shù)據(jù)與高光譜影像的融合
        3.4.1 影像融合的理論基礎(chǔ)
    3.5 融合效果評價
        3.5.1 定性評價
        3.5.2 定量評價
    3.6 小結(jié)
第四章 兩種數(shù)據(jù)源特征分析
    4.1 點云特征的提取
    4.2 高光譜遙感影像中光譜信息
        4.2.1 光譜曲線
        4.2.2 植被指數(shù)
        4.2.3 高光譜影像中紋理特征計算與提取
    4.3 多源特征數(shù)據(jù)庫構(gòu)建
    4.4 小結(jié)
第五章 研究區(qū)樹種分類研究
    5.1 遙感影像分類概述
        5.1.1 遙感影像分類原理
        5.1.2 遙感影像分類方法
    5.2 基于SVM分類
        5.2.1 SVM分類概述
        5.2.2 核函數(shù)與參數(shù)選取
    5.3 基于SVM融合影像分類
        5.3.1 分類實驗
        5.3.2 分類后處理
    5.4 實驗分類精度
        5.4.1 分類精度評價指標
        5.4.2 實驗分類結(jié)果
    5.5 小結(jié)
第六章 結(jié)論與討論
    6.1 結(jié)論
    6.2 討論
    6.3 展望
參考文獻
在讀期間的學(xué)術(shù)研究
致謝


【參考文獻】：
期刊論文
[1]基于Spark的LIBSVM參數(shù)優(yōu)選并行化算法[J]. 李坤,劉鵬,呂雅潔,張國鵬,黃宜華.  南京大學(xué)學(xué)報(自然科學(xué)). 2016(02)
[2]結(jié)合機載LiDAR和LANDSAT ETM+數(shù)據(jù)的溫帶森林郁閉度估測[J]. 張瑞英,龐勇,李增元,包玉海.  植物生態(tài)學(xué)報. 2016(02)
[3]基于機載LiDAR數(shù)據(jù)的林木冠層投影面積與體積測量[J]. 張衛(wèi)正,董壽銀,王國飛,裘正軍,吳翔,何勇.  農(nóng)業(yè)機械學(xué)報. 2016(01)
[4]綜合機載LiDAR與高分影像的煤礦區(qū)典型地物提取方法[J]. 盧遙,盧小平,武永斌,李國清,于海洋.  測繪通報. 2015(12)
[5]淺析機載LiDAR點云的濾波與分類[J]. 董保根,梁世波,李慎芳,張杰.  遙感信息. 2015(06)
[6]基于高分辨率與高光譜遙感影像的北亞熱帶馬尾松及次生落葉樹種的分類[J]. 申鑫,曹林,徐婷,佘光輝.  植物生態(tài)學(xué)報. 2015(12)
[7]基于機載激光雷達的中亞熱帶常綠闊葉林林窗特征[J]. 劉峰,譚暢,王紅,張江,萬穎,龍江平,劉芮希.  應(yīng)用生態(tài)學(xué)報. 2015(12)
[8]基于機載激光雷達的寒溫帶典型森林高度制圖研究[J]. 穆喜云,張秋良,劉清旺,龐勇,胡凱龍.  北京林業(yè)大學(xué)學(xué)報. 2015(07)
[9]基于機載小光斑全波形LiDAR的亞熱帶林分特征反演[J]. 曹林,佘光輝.  林業(yè)科學(xué). 2015(06)
[10]結(jié)合機載LiDAR數(shù)據(jù)與航空可見光影像多層次規(guī)則分類建筑物變化檢測[J]. 鞏翼龍,閆利.  光譜學(xué)與光譜分析. 2015(05)

博士論文
[1]普洱季風(fēng)常綠闊葉林恢復(fù)生態(tài)學(xué)研究[D]. 李帥鋒.中國林業(yè)科學(xué)研究院 2011
[2]機載LiDAR點云數(shù)據(jù)與遙感影像配準的方法研究[D]. 姚春靜.武漢大學(xué) 2010

碩士論文
[1]機載和地基激光雷達森林垂直結(jié)構(gòu)參數(shù)提取研究[D]. 劉魯霞.中國林業(yè)科學(xué)研究院 2014
[2]機載LIADR波形數(shù)據(jù)處理及分類研究[D]. 徐光彩.南京林業(yè)大學(xué) 2010
[3]多源信息融合在地質(zhì)解譯中的應(yīng)用[D]. 陳丹華.長安大學(xué) 2009



本文編號：3666365