【目的】蓄積量是反映森林資源質量的重要指標,傳統(tǒng)人工蓄積量調查方式費時耗力。遙感技術在林業(yè)中的應用能有效地彌補人工調查的缺陷,采用遙感技術進行森林蓄積量的反演是區(qū)域范圍內蓄積量估測的一種重要手段�，F(xiàn)有的遙感蓄積量估測方法中,對于紋理特征因子的選取沒有得到足夠的重視。隨著高分辨遙感影像的不斷涌現(xiàn),影像紋理特征越來越明顯,將紋理特征引入到森林蓄積量估測模型當中,是一個很好的嘗試。但紋理特征是否有利于森林蓄積量的估測,以及如何影響森林蓄積量的估測,目前并不清楚�！痉椒ā坷脟aGF-1號為數(shù)據(jù)源,在數(shù)據(jù)預處理基礎上,采用不同窗口大小提取的紋理信息,以及對紋理因子進行改進,研究其對于森林蓄積量反演模型精度的影響�！窘Y果】1)改進紋理特征能有效提高蓄積量反演模型的精度。通過計算出遙感影像紋理均值改進指數(shù)、波段紋理均值改進植被指數(shù)和均值改進植被指數(shù),結合地理因子,采用多元逐步回歸方法構建森林蓄積量反演模型,結果精度有較大改善。2)紋理窗口大小為9×9時,森林蓄積量反演模型精度最高。提取3×3、5×5、7×7、9×9、11×11這5種窗口大小的紋理特征參數(shù),分別構建森林蓄積量估測模型,并進行不同窗口...

【文章頁數(shù)】：8 頁

【文章目錄】：
1研究區(qū)與研究方法
    1.1研究區(qū)概況
    1.2遙感數(shù)據(jù)獲取與處理
    1.3地面樣地調查與數(shù)據(jù)處理
    1.4基于灰度共生矩陣的紋理特征提取
    1.5基于GF-1影像的改進紋理特征及植被指數(shù)
        1.5.1紋理光譜均值
        1.5.2基于波段紋理均值的改進植被指數(shù)
    1.6模型建立與精度評價
        1.6.1多元逐步回歸分析
        1.6.2模型精度評價
2結果與分析
    2.1基于紋理、植被衍生指數(shù)和地形的森林蓄積量反演模型的構建
    2.2精度評價
3結論與討論
    3.1結論
    3.2討論



本文編號：4048163