声明
摘要
第一章绪论
1.1研究背景
1.2国内外研究现状
1.2.1遥感技术在森林资源监测中应用
1.2.2森林覆盖遥感分类
1.2.3分类器组合遥感影像分类
1.2.4森林蓄积量遥感反演
1.3目前存在的问题及研究趋势
1.4研究内容和技术路线
1.4.1研究内容
1.4.2技术路线
1.5项目支持
1.6论文组织结构
第二章林芝县概况与试验数据获取
2.1试验区概况
2.1.1地理位置概况
2.1.2地形地貌
2.1.3气候特征
2.1.4水文特征
2.1.5土壤
2.1.6植被
2.2数据获取及预处理
2.2.1 Landsat OLI数据的获取及预处理
2.2.2西藏自治区森林资源二类调查数据及样地调查数据
2.2.3地形图及DEM数据
2.3本章小结
第三章林芝县森林覆盖分类
3.1 Landsat OLI影像特征的分析
3.2分类方案的选择及训练样本的选择
3.3单分类器监督分类实验
3.3.1最大似然分类法
3.3.2人工神经网络分类法
3.3.3马氏距离分类法
3.4分类结果及比较
3.4.1分类结果及精度评价
3.4.2单分类器优缺点评价
3.5基于D-S证据理论的林芝县遥感多分类器组合分类
3.5.1证据理论的概念原理
3.5.2基于D-S证据理论的多分类器组合林芝县森林遥感分类
3.6基于D-S证据理论多分类器组合分类
3.6.1基于D-S证据理论的最大似然与马氏距离组合分类
3.6.2基于D-S证据理论的最大似然与人工神经网络组合分类
3.6.3基于D-S证据理论的马氏距离与人工神经网络组合分类
3.6.4基于D-S证据理论的最大似然、马氏距离与人工神经网络组合分类
3.7基于D-S理论的分类器组合得到的结果对比
3.7.2基于D-S理论的分类器组合得到的阔叶林结果对比
3.7.3基于D-S理论的分类器组合得到的灌木林结果对比
3.7.4基于D-S理论的分类器组合得到的水体结果对比
3.7.5基于D-S理论的分类器组合得到的非林地结果对比
3.8各分类器及分类器组合精度评价及统计
3.8.1三个单分类器的精度评价
3.8.2基于D-S证据理论分类器组合的精度评价
3.9各分类器分类提取森林面积对比
3.10本章小结
第四章基于遥感的针、阔叶林蓄积量反演模型研究
4.1 Landsat OLI影像纹理特征
4.1.1基于灰度共生矩阵的纹理特征提取
4.1.2基于Landsat OLI遥感影像纹理特征的改进植被指数
4.1.3回归分析
4.1.4精度评价
4.2基于Landsat OLI影像的改进指数的蓄积量反演研究
4.2.1针叶林蓄积量反演模型构建
4.2.2阔叶林蓄积量反演模型构建
4.3本章小结
第五章结论与讨论
5.1结论
5.1.1林芝县森林覆盖遥感分类
5.1.2基于遥感的针、阔叶林蓄积量反演模型研究
5.2创新点
5.3讨论与展望
参考文献
在读期间的学术研究
致谢