国产精品一久久香蕉产线看/亚洲图区欧美/亚洲国产精品电影人久久网站/欧美日韩在线视频一区

歡迎光臨中圖網 請 | 注冊
> >>
遙感技術在自動化森林資源清查中的應用研究

包郵 遙感技術在自動化森林資源清查中的應用研究

出版社：中國環境出版社出版時間：2015-04-01
開本： 32開 頁數： 189
本類榜單：工業技術銷量榜
中 圖 價:¥16.0(6.4折) 定價  ¥25.0 登錄后可看到會員價
加入購物車 收藏
開年大促， 全場包郵
?新疆、西藏除外
本類五星書更多>

遙感技術在自動化森林資源清查中的應用研究 版權信息

遙感技術在自動化森林資源清查中的應用研究 本書特色

《遙感技術在自動化森林資源清查中的應用》探討了遙感新技術，尤其是高分辨率遙感和激光雷達技術在森林林分層面及單株立木層面上實現自動化森林資源調查與分析的方法。在森林林分尺度上，《遙感技術在自動化森林資源清查中的應用》基于面向對象的遙感分類方法，探討了多源遙感信息，即高空間分辨率多光譜遙感影像與激光雷達數據在森林樹種分類中的協同應用方法。在單株立木尺度上，《遙感技術在自動化森林資源清查中的應用》探討了利用高分辨率遙感影像進行單株立木樹冠自動提取和勾勒方法。針對現有算法的缺點，《遙感技術在自動化森林資源清查中的應用》提出了一種適用于多種遙感成像條件的高分辨率遙感影像單株立木樹冠自動提取算法。與現有算法相比，新方法在不同圖像類型中對樹冠提取的精度上均有一定程度的提高，并能夠提供準確的冠幅估測值。這可為進一步基于冠幅的林木蓄積量估算、林木種群分類和樹木健康分析提供準確的輸入參數。《遙感技術在自動化森林資源清查中的應用》通過遙感在不同層面上應用于森林資源清查的方法探討及創新.進一步加深了對林業遙感技術方法的理解，并可為森林資源清查與分析實現自動化提供重要參考依據。

遙感技術在自動化森林資源清查中的應用研究 內容簡介

　　《遙感技術在自動化森林資源清查中的應用》探討了遙感新技術，尤其是高分辨率遙感和激光雷達技術在森林林分層面及單株立木層面上實現自動化森林資源調查與分析的方法。在森林林分尺度上，《遙感技術在自動化森林資源清查中的應用》基于面向對象的遙感分類方法，探討了多源遙感信息，即高空間分辨率多光譜遙感影像與激光雷達數據在森林樹種分類中的協同應用方法。在單株立木尺度上，《遙感技術在自動化森林資源清查中的應用》探討了利用高分辨率遙感影像進行單株立木樹冠自動提取和勾勒方法。針對現有算法的缺點，《遙感技術在自動化森林資源清查中的應用》提出了一種適用于多種遙感成像條件的高分辨率遙感影像單株立木樹冠自動提取算法。與現有算法相比，新方法在不同圖像類型中對樹冠提取的精度上均有一定程度的提高，并能夠提供準確的冠幅估測值。這可為進一步基于冠幅的林木蓄積量估算、林木種群分類和樹木健康分析提供準確的輸入參數。《遙感技術在自動化森林資源清查中的應用》通過遙感在不同層面上應用于森林資源清查的方法探討及創新.進一步加深了對林業遙感技術方法的理解，并可為森林資源清查與分析實現自動化提供重要參考依據。

遙感技術在自動化森林資源清查中的應用研究 目錄

第1章 緒論
　1.1 引言
　1.2 基于遙感技術的森林資源清查與分析研究
　1.3 研究目的和科學假設
　1.4 本書大綱
　參考文獻
第2章 基于quickbird影像與lidar數據協同的森林樹種
　面向對象分類研究
　2.1 引言
　2.2 數據收集
　2.3 方法
　2.4 結果與討論
　2.5 結論
　參考文獻
第3章 基于被動遙感的單株立木樹冠自動檢測與
　勾勒方法綜述
　3.1 引言
　3.2 影像預處理與增強
　3.3 樹冠檢測與勾勒算法
　3.4 精度評估方法
　3.5 結論
　參考文獻
第4章 基于高分辨率遙感影像的樹冠自動檢測與
　勾勒方法比較研究
　4.1 引言
　4.2 背景：樹冠檢測與勾勒方法綜述
　4.3 數據和方法實現
　4.4 結果和精度分析
　4.5 討論
　4.6 結論
　參考文獻
第5章 基于主動輪廓模型和爬山算法的樹冠檢測和
　勾勒方法
　5.1 引言
　5.2 數據收集
　5.3 方法
　5.4 結果和討論
　5.5 算法評價
　5.6 結論
　參考文獻
第6章 結論和展望
　6.1 總結
　6.2 研究假設1：協同利用高分辨率光學影像和低點云密度lidar數據，相比較單獨使用其中任意一種數據，可有效提高森林樹種分類的精度
　6.3 研究假設2：本研究提出的基于高分辨率遙感影像的單株立木樹冠檢測和勾勒算法可以在不同成像條件下提供精確的樹木位置和冠幅信息
　6.4 未來研究方向
參考文獻
展開全部

遙感技術在自動化森林資源清查中的應用研究 節選

　　在本章中，我們探討了高空間分辨率多光譜影像與低點云密度LIDAR數據協同在面向對象的森林樹種分類中所起到的作用。協同使用光譜和LIDAR數據與單一使用其中任意一種數據相比，可使森林分類達到更高的精度。在對12個分割尺度下的18種分割一分類方案進行精度評價與比較后，研究發現，在尺度參數為250時，采用基于光譜數據和LIDAR數據作為輸入圖層的分割，并同時采用光譜和LIDAR數據得到的地形和高度變量作為分類特征進行基于對象的分類，得到的分類精度*高。通過不同的尺度參數上的分類精度比較，也表明了在此*優參數周圍有～定的參數范圍，在此范圍內獲取的分類精度在統計學意義上并無顯著差別。　　本章揭示了每種數據源在森林分類中的作用：①高空間分辨率多光譜影像有助于定義林分邊界并可提供區分森林樹種的光譜信息；②LIDAR數據變量中的地形和高度信息有助于減輕在小尺度范圍內由樹冠之間的陰影造成的光譜差異；③由于樹種間的高度不同，LIDAR數據變量高度信息可顯著增強對象的類間差異；④在落葉季節采集的LIDAR數據也可顯著區分針葉林分和與其相鄰的闊葉林分，因此可產生更好的分割結果。通過評價不同尺度下的分類我們發現，*優尺度參數受分割時輸入數據層的影響。與其選擇單一的*優尺度參數，我們更建議選擇一定的尺度參數范圍，這是由于它們在分類精度上擁有統計學意義上的相似性。我們相信這些發現將有助于增強對基于對象的多尺度影像分析的理解，并將該方法拓展到其他領域。雖然在Definiens中尺度參數的物理意義沒有被明確定義，但它確實是空間尺度的表征。在本研究中，一定范圍內尺度的分類結果的相似性表明單一尺度的估算并不是問題的關鍵。在今后的研究中，我們需要探討自動確定*優尺度參數范圍的方法。通常情況下，基于對象的分類由三個基本步驟組成：影像分割、對象特征的提取和基于對象特征的分類。三個步驟中的每一步都會顯著影響到結果的精度。例如在我們的研究中，對于基于光譜數據的分割、基于LIDAR數據的分割和基于光譜數據和LIDAR數據的協同分割產生了不同的分類精度；在相同的分割方案中選擇相同的尺度參數，使用不同的分類特征也產生了不同的分類結果。在本研究中我們通過計算分割對象與參考對象的位置與拓撲關系的匹配來評價分割質量，并且評價了分割質量對分類精度的影響。我們發現較高的分割對象與參考對象匹配程度獲得了較高的分類精度，但是，輕微的過分割和欠分割現象不會顯著影響分類結果。　　另外，在本章研究中，我們分別使用分類軟件Definiens、Quinlan'sC5.0和ArcGIS9.2來自動實現影像分割過程、分類過程和精度評價過程。　　……

遙感技術在自動化森林資源清查中的應用研究 作者簡介

　　柯櫻海，女，1980年11月出生，湖北省十堰市人。武漢大學學士，北京大學碩士。2009年于美國紐約州立大學環境科學與林業學院（SUNY ESF）獲得理學博士學位。2010-2012年于美國西北太平洋國家實驗室擔任研究科學家，現為首都師范大學副研究員。主要從事遙感在水文、生態環境方面的應用研究。近年來，先后參與并完成美國能源部、農業部、美國陸軍工程師團項目，參與中歐“龍計劃”項目，并以第一作者在《Geoscientific Model Development》《Remote Sensing of Environment》《International Journal of Environment》等SCI期刊及國際會議上發表學術論文　　8篇。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服