SPOT5在森林资源调查中的应用研究——以资兴市天鹅山林场为例

摘要

森林资源是国家自然资源的重要组成部分，是林业建设的基础，是国民经济发展，人民生活水平提高，民族文明昌盛的重要条件之一。了解和掌握森林资源信息——森林资源的种类、数量、质量、分布、生长规律及环境条件等，是科学、合理经营管理森林资源的前提条件，森林资源调查的目的就在于此。 与传统的森林资源调查方式相比，利用遥感技术进行森林资源调查具有宏观、动态、快捷和节约成本等诸多优点，将遥感技术应用到森林资源监测和调查具有十分重要的意义和价值。目前，我国在进行森林资源连续清查的同时要求进行遥感样地调查，其主要数据源为TM，ETM及SPOT1-4。现在部分省市开始利用SPOT5进行森林资源调查，但是对SPOT5用于森林资源调查进行系统研究和评价少见报道。 本文以SPOT5为主要信息源，湖南省资兴市天鹅山林场为对象开展森林资源遥感技术调查的试验研究。研究的主要内容包括遥感影像处理、最佳波段组合、影像的融合分析、不同分类方法比较分析及其森林资源遥感调查效益评价，研究的主要结论如下： (1)图像最佳波段组合为1(R)4(G)3(B)。对研究区的SPOT5影像进行了各波段信息量、标准差、相关系数及采用了典型地物的光谱数据采集分析和遥感数据定量分析相结合的方法，计算出各波段之间的协方差、相关系数和熵。通过定量分析、联合熵和最佳指数方法确定了最佳波段组合为1(R)4(G)3(B)波段。 (2)研究区SPOT5图像融合以IHS变换融合最佳。研究采用了IHS、主成分和Brovey三种图像融合试验，结合图像融合评价标准，进行计算和处理，其中以IHS变换融合图像熵值和相关系数最大，融合光谱退化信息较少，清晰度得到提高，说明IHS变换融合是一种较好的图像融合方法。 (3)遥感图像分类解译结果对照研究表明，面向对象的决策分类法和目视解译精度最高。分类试验采用了ISODATA、K-means、最小距离分类法、最大似然法、纹理特征分类法、决策树分类法及面向对象的决策分类等七种分类技术。在研究区进行实地调查，建立图像与实际地类的解译标志，作为计算机分类精度检验的标准。分类精度表明：以优势树种的龄组为地类划分标准，研究区可划分为13种地类，其分类结果以ISODATA的精度最低，为47.6％，面向对象的决策树分类精度最高，为85.2％。如果地类划分以优势树种组为标准，研究区地类可分为10类，利用面向对象的决策分类技术可使灌木、竹林、马尾松和杉木的分类精度达到85％以上。其分类结果转换为矢量图与原图叠加所得小班界线与目视解译所得结果吻合。说明利用SPOT5进行资源调查，面积精度能够与人工调查结果基本一致。如果只分到林业二级地类的话，总体分类精度可达90％。综上所述，利用SPOT5进行森林资源调查可以区分不同的优势树种组，但是无法借助地面调查数据和图面信息建立林分的蓄积量模型。这是阻碍推广遥感技术在森林资源调查中一个难题。 (4)面向对象的决策树分类技术提高了图像的分类精度。其分类思想为：遥感影像上的每个像元都有对应的R、G、B值，每种地类在图像上的表达方式都有一定的区域值，颜色，空间、形状等因子。将每种地类视为一个对象，按照上述因子对影像进行聚类分析，确定最佳聚类参数为：色调10，形状30，空间阈值10。结合DEM模型，利用决策树分类法对聚类后的图像进行分类。

目录

文摘

英文文摘

中南林业科技大学学位论文原创性声明及版权使用授权书

1森林资源调查与遥感

2遥感分类方法概述

3本项研究工作的目的、意义和内容

4研究区地理位置和自然概况

5数据获取与处理

6遥感影像特征分析及最佳波段选择

7图像融合

8 SPOT5在森林资源分类中的研究

9结论与讨论

参考文献

附录

致谢