遥感技术在自动化森林资源清查中的应用研究

1星价 ¥15.0 (6.0折)

2星价￥15.0 定价￥25.0

作者：柯樱海,李小娟,宫辉力著

出版社：中国环境出版社

本类榜单：工业技术

分类：工业技术 > 环境科学 > 环境保护管理

暂无评论

图文详情

ISBN：9787511122049
装帧：一般胶版纸
册数：暂无
重量：暂无
开本：32开
页数：189
出版时间：2015-04-01
条形码：9787511122049 ; 978-7-5111-2204-9

本书特色

《遥感技术在自动化森林资源清查中的应用》探讨了遥感新技术，尤其是高分辨率遥感和激光雷达技术在森林林分层面及单株立木层面上实现自动化森林资源调查与分析的方法。在森林林分尺度上，《遥感技术在自动化森林资源清查中的应用》基于面向对象的遥感分类方法，探讨了多源遥感信息，即高空间分辨率多光谱遥感影像与激光雷达数据在森林树种分类中的协同应用方法。在单株立木尺度上，《遥感技术在自动化森林资源清查中的应用》探讨了利用高分辨率遥感影像进行单株立木树冠自动提取和勾勒方法。针对现有算法的缺点，《遥感技术在自动化森林资源清查中的应用》提出了一种适用于多种遥感成像条件的高分辨率遥感影像单株立木树冠自动提取算法。与现有算法相比，新方法在不同图像类型中对树冠提取的精度上均有一定程度的提高，并能够提供准确的冠幅估测值。这可为进一步基于冠幅的林木蓄积量估算、林木种群分类和树木健康分析提供准确的输入参数。《遥感技术在自动化森林资源清查中的应用》通过遥感在不同层面上应用于森林资源清查的方法探讨及创新.进一步加深了对林业遥感技术方法的理解，并可为森林资源清查与分析实现自动化提供重要参考依据。

内容简介

第1章绪论
　1.1 引言
　1.2 基于遥感技术的森林资源清查与分析研究
　1.3 研究目的和科学假设
　1.4 本书大纲
　参考文献
第2章基于quickbird影像与lidar数据协同的森林树种
　面向对象分类研究
　2.1 引言
　2.2 数据收集
　2.3 方法
　2.4 结果与讨论
　2.5 结论
　参考文献
第3章基于被动遥感的单株立木树冠自动检测与
　勾勒方法综述
　3.1 引言
　3.2 影像预处理与增强
　3.3 树冠检测与勾勒算法
　3.4 精度评估方法
　3.5 结论
　参考文献
第4章基于高分辨率遥感影像的树冠自动检测与
　勾勒方法比较研究
　4.1 引言
　4.2 背景：树冠检测与勾勒方法综述
　4.3 数据和方法实现
　4.4 结果和精度分析
　4.5 讨论
　4.6 结论
　参考文献
第5章基于主动轮廓模型和爬山算法的树冠检测和
　勾勒方法
　5.1 引言
　5.2 数据收集
　5.3 方法
　5.4 结果和讨论
　5.5 算法评价
　5.6 结论
　参考文献
第6章结论和展望
　6.1 总结
　6.2 研究假设1：协同利用高分辨率光学影像和低点云密度lidar数据，相比较单独使用其中任意一种数据，可有效提高森林树种分类的精度
　6.3 研究假设2：本研究提出的基于高分辨率遥感影像的单株立木树冠检测和勾勒算法可以在不同成像条件下提供精确的树木位置和冠幅信息
　6.4 未来研究方向
参考文献

展开全部

节选

　　在本章中，我们探讨了高空间分辨率多光谱影像与低点云密度LIDAR数据协同在面向对象的森林树种分类中所起到的作用。协同使用光谱和LIDAR数据与单一使用其中任意一种数据相比，可使森林分类达到更高的精度。在对12个分割尺度下的18种分割一分类方案进行精度评价与比较后，研究发现，在尺度参数为250时，采用基于光谱数据和LIDAR数据作为输入图层的分割，并同时采用光谱和LIDAR数据得到的地形和高度变量作为分类特征进行基于对象的分类，得到的分类精度*高。通过不同的尺度参数上的分类精度比较，也表明了在此*优参数周围有～定的参数范围，在此范围内获取的分类精度在统计学意义上并无显著差别。　　本章揭示了每种数据源在森林分类中的作用：①高空间分辨率多光谱影像有助于定义林分边界并可提供区分森林树种的光谱信息；②LIDAR数据变量中的地形和高度信息有助于减轻在小尺度范围内由树冠之间的阴影造成的光谱差异；③由于树种间的高度不同，LIDAR数据变量高度信息可显著增强对象的类间差异；④在落叶季节采集的LIDAR数据也可显著区分针叶林分和与其相邻的阔叶林分，因此可产生更好的分割结果。通过评价不同尺度下的分类我们发现，*优尺度参数受分割时输入数据层的影响。与其选择单一的*优尺度参数，我们更建议选择一定的尺度参数范围，这是由于它们在分类精度上拥有统计学意义上的相似性。我们相信这些发现将有助于增强对基于对象的多尺度影像分析的理解，并将该方法拓展到其他领域。虽然在Definiens中尺度参数的物理意义没有被明确定义，但它确实是空间尺度的表征。在本研究中，一定范围内尺度的分类结果的相似性表明单一尺度的估算并不是问题的关键。在今后的研究中，我们需要探讨自动确定*优尺度参数范围的方法。通常情况下，基于对象的分类由三个基本步骤组成：影像分割、对象特征的提取和基于对象特征的分类。三个步骤中的每一步都会显著影响到结果的精度。例如在我们的研究中，对于基于光谱数据的分割、基于LIDAR数据的分割和基于光谱数据和LIDAR数据的协同分割产生了不同的分类精度；在相同的分割方案中选择相同的尺度参数，使用不同的分类特征也产生了不同的分类结果。在本研究中我们通过计算分割对象与参考对象的位置与拓扑关系的匹配来评价分割质量，并且评价了分割质量对分类精度的影响。我们发现较高的分割对象与参考对象匹配程度获得了较高的分类精度，但是，轻微的过分割和欠分割现象不会显著影响分类结果。　　另外，在本章研究中，我们分别使用分类软件Definiens、Quinlan'sC5.0和ArcGIS9.2来自动实现影像分割过程、分类过程和精度评价过程。　　……

作者简介

　　柯樱海，女，1980年11月出生，湖北省十堰市人。武汉大学学士，北京大学硕士。2009年于美国纽约州立大学环境科学与林业学院（SUNY ESF）获得理学博士学位。2010-2012年于美国西北太平洋国家实验室担任研究科学家，现为首都师范大学副研究员。主要从事遥感在水文、生态环境方面的应用研究。近年来，先后参与并完成美国能源部、农业部、美国陆军工程师团项目，参与中欧“龙计划”项目，并以**作者在《Geoscientific Model Development》《Remote Sensing of Environment》《International Journal of Environment》等SCI期刊及国际会议上发表学术论文　　8篇。

本类五星书