基于 Landsat8 影像的森林地类信息提取及蓄积量遥感估测开题报告

全文总字数：2640字

1. 研究目的与意义

由于资金投入不足以及技术设备落后，传统的调查方法效率较低，已经难以满足当前调查的需要。自遥感技术投入应用到森林资源监测中以来，相关遥感监测技术日趋完善，为我国林业部门做林地地类变更调查工作提供新的技术方法，提升管理水平。运用遥感技术进行林地变化监测，及时掌握森林资源消长动态，已成为当今森林资源管理首要任务之一

2. 国内外研究现状分析

世界各国对森林资源与生态状况监测工作十分重视，不仅有国家级监测体系，还有地方性和跨区域的监测体系：

（1）国家级监测体系

美国的森林资源清查与分折（forestinventoryandanalysis,fia）至今已有70多年的历史。20世纪20年代末至60年代初，这一期间森林资源调查的重点是以森林面积和蓄积为主的单项监测，60年代和70年代，森林资源清查的对象转为多资源监测，1998年将森林资源监测与森林健康监测进行了综合，设计了新的森林资源与健康综合监测体系，基本完成了由多资源监测到森林资源与健康监测的转变。

3. 研究的基本内容与计划

本文以江西省白沙林场为研究区，对小班内优势树种的分类方法及分类效果进行研究，并建立杉木林蓄积量估测模型。主要研究方法如下：（1）预处理方法包括几何校正、大气校正以及图像融合。本文采用Brovey融合、GS 融合、HSV 融合和 PCA 融合方法对影像进行融合处理，并采用归一化评价法对融合结果进行评价，选取效果较好的融合方法。（2）影像分类方法采用基于像元的分类方法。基于像元的分类方法采用了最大似然法、马氏距离法和支持向量机法分别对前后期影像进行优势树种分类，并对各种分类方法得出的分类结果进行精度评价。（3）结合 2013 年白沙林场森林资源二类调查数据，提取优势树种分布数据，利用分类后的影像计算出各优势树种面积，得到森林地类变化信息，并进行验证。

（4）结合 2014 年白沙林场样地调查数据，根据 Pearson 相关性系数，优化筛选图像特征变量，建立杉木林蓄积量多元逐步回归模型，并利用未参与建模的数据对结果进行模型精度评价。

4. 研究创新点

本文以江西省白沙林场为研究对象，对森林地类进行信息提取和杉木林蓄积量遥感估测。以前期 2013 年和后期 2014 年 landsat8 OLI 数据为数据源，以 2013年白沙林场森林资源二类调查数据为辅助数据，2014 年白沙林场样地调查数据为建模数据，结合利用 ArcGIS 10.1、ENVI 5.1、Matlab2012b、SPSS 等软件，采用多种方法对江西省白沙林场研究区森林地类信息进行了分类和提取，在分类结果上计算出小班优势树种年度变化面积，同时对研究区内杉木林蓄积量估测进行建模。