發(fā)布時(shí)間：2020-12-15 02:08

　　紅樹林是全球生產(chǎn)力和碳儲(chǔ)量最高的生態(tài)系統(tǒng)之一,對維護(hù)生態(tài)系統(tǒng)平衡、保護(hù)濕地多樣性和促進(jìn)區(qū)域社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展均具有至關(guān)重要的作用。遙感技術(shù)因其具有大范圍、多尺度監(jiān)測及獲取數(shù)據(jù)周期短等優(yōu)勢,被廣泛運(yùn)用于紅樹林資源調(diào)查中。在數(shù)據(jù)源方面,當(dāng)前國內(nèi)外學(xué)者多集中于運(yùn)用國外高空間分辨率和高光譜衛(wèi)星遙感影像數(shù)據(jù),而對于國產(chǎn)衛(wèi)星遙感數(shù)據(jù)的應(yīng)用卻相對較少。選取福建省漳江口紅樹林國家級自然保護(hù)區(qū)為研究區(qū),基于HJ-1A、Landsat遙感影像數(shù)據(jù),分別應(yīng)用面向?qū)ο蠓诸�、監(jiān)督分類、非監(jiān)督分類、SVM分類及BP神經(jīng)網(wǎng)絡(luò)模型,對研究區(qū)紅樹林進(jìn)行植物群落分類,在此基礎(chǔ)上,對研究區(qū)紅樹林碳儲(chǔ)量進(jìn)行定量估算,確定其空間分布特征,主要結(jié)論如下:（1）將HJ-1A高光譜數(shù)據(jù)和Landsat8 OLI遙感影像數(shù)據(jù)的全色波段進(jìn)行融合,根據(jù)野外調(diào)查數(shù)據(jù)提取融合后影像的光譜、形狀及紋理等特征,采用面向?qū)ο蠓诸惙▽θ诤虾蟮倪b感影像進(jìn)行紅樹林空間分布信息提取,總體分類精度為99.22%,Kappa系數(shù)為0.96。結(jié)果表明:基于融合后的高光譜衛(wèi)星遙感數(shù)據(jù)可有效區(qū)分紅樹林與非紅樹林,其結(jié)果可進(jìn)一步應(yīng)用于紅樹林植物群落分類。（2）基于Go... 

【文章來源】：福建農(nóng)林大學(xué)福建省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線

郝浼嗖餳捌涮即⒘抗浪閶芯?2 研究區(qū)概況及研究數(shù)據(jù)2.1 研究區(qū)概況2.1.1 自然地理環(huán)境漳江口紅樹林國家級自然保護(hù)區(qū)位于福建省漳州市云霄縣漳江入海口（圖2-1），總面積為 2360 hm2，處于東經(jīng) 117°24′07″～117°30′00″，北緯 23°53′45″～23°56′00″之間，最近城鎮(zhèn)為云霄縣城（處于保護(hù)區(qū)以西 10 km），云霄縣城東南方向與東山縣隔海相望，西面、南面、北面分別與平和縣、詔安縣以及漳浦縣毗鄰，介于廈門、汕頭兩個(gè)特區(qū)之間。漳江口濕地生態(tài)類型保護(hù)區(qū)被認(rèn)為是福建省最重要的國家級自然保護(hù)區(qū)。圖 2-1 研究區(qū)位置圖Fig.2-1 Location of the study area漳江由安厚溪（平和縣）、馬鋪溪、下河溪、和平溪、南溪及火田溪匯合組成，流域面積 855 km2，全長 58 km

中心點(diǎn)經(jīng)度 117o24'6" 成像時(shí)間 01:55:07中心點(diǎn)緯度 23o58'39" 大氣模型 Tropical傳感器高度 650 km 水汽吸收波段 820 nm地面高程 0.10 km 初始可見度 40像元分辨率 100 光譜平滑寬度 9成像日期 2014-08-24 其他參數(shù) 默認(rèn)經(jīng)過 FLAASH 大氣校正進(jìn)行校正后，每個(gè)波段的像元值均代表實(shí)際對應(yīng)地物的反射率值，對于分析下一步的地物光譜變化具有重要意義。2.3.3 低質(zhì)量波段去除HSI 數(shù)據(jù)前 20 個(gè)波段具有明顯的垂直條帶，數(shù)據(jù)質(zhì)量較差。鑒于 HSI 數(shù)據(jù)光譜數(shù)據(jù)量大，缺乏前 20 個(gè)波段信息不會(huì)對紅樹林植物群落識別造成影響，因此，本文不考慮 HSI 數(shù)據(jù)的前 20 個(gè)波段，將其前 20 個(gè)波段直接剔除。影像去噪聲效果如圖 2-2。

【參考文獻(xiàn)】：
期刊論文
[1]紅樹林生態(tài)系統(tǒng)遙感監(jiān)測研究進(jìn)展[J]. 孫永光,趙冬至,郭文永,高陽,蘇岫,衛(wèi)寶泉.  生態(tài)學(xué)報(bào). 2013(15)
[2]亞熱帶地區(qū)馬尾松林碳儲(chǔ)量的遙感估算——以長汀河田盆地為例[J]. 黃紹霖,徐涵秋,林娜,曾宏達(dá),劉智才,陳文惠,王琳,楊冉冉.  生態(tài)學(xué)報(bào). 2013(10)
[3]紅樹林濕地碳儲(chǔ)量及碳匯研究進(jìn)展[J]. 張莉,郭志華,李志勇.  應(yīng)用生態(tài)學(xué)報(bào). 2013(04)
[4]基于面向?qū)ο蠓椒ê投鄷r(shí)相HJ-1影像的濕地遙感分類——以完達(dá)山以北三江平原為例[J]. 謝靜,王宗明,毛德華,任春穎,韓佶興.  濕地科學(xué). 2012(04)
[5]基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的森林碳儲(chǔ)量遙感反演模型研究[J]. 張超,彭道黎.  中國農(nóng)業(yè)大學(xué)學(xué)報(bào). 2012(04)
[6]基于MNF變換的森林喬木地上碳儲(chǔ)量遙感估測模型[J]. 徐定,劉書劍,彭道黎.  中南林業(yè)科技大學(xué)學(xué)報(bào). 2012(07)
[7]面向?qū)ο蟮臐竦鼐坝^遙感分類——以杭州灣南岸地區(qū)為例[J]. 莫利江,曹宇,胡遠(yuǎn)滿,劉淼,夏棟.  濕地科學(xué). 2012(02)
[8]基于決策樹模型的上海城市濕地遙感提取與分類[J]. 黃穎,周云軒,吳穩(wěn),況潤元,李行.  吉林大學(xué)學(xué)報(bào)(地球科學(xué)版). 2009(06)
[9]基于遙感的長江口南匯潮灘植被群落時(shí)空動(dòng)態(tài)變化[J]. 劉瑜,韓震.  上海海洋大學(xué)學(xué)報(bào). 2009(05)
[10]Classification of Vegetation in North Tibet Plateau Based on MODIS Time-Series Data[J]. LU Yuan1, 2, YAN Yan1, TAO Heping1 1. Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, Sichuan, China; 2. School of Resource and Environmental Sciences, Guangxi Teachers Education University, Nanning 530001, Guangxi, China.  Wuhan University Journal of Natural Sciences. 2008(03)

博士論文
[1]基于多源遙感信息綜合的濕地土地覆被分類研究[D]. 馬玥.吉林大學(xué) 2018
[2]1973～2013年中國紅樹林動(dòng)態(tài)變化遙感分析[D]. 賈明明.中國科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所） 2014
[3]海南東寨港紅樹林景觀格局動(dòng)態(tài)及其驅(qū)動(dòng)力研究[D]. 韓淑梅.北京林業(yè)大學(xué) 2012
[4]北部灣沿海紅樹林生物量和碳貯量的遙感估算[D]. 曹慶先.中國林業(yè)科學(xué)研究院 2010
[5]面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D]. 黃慧萍.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2003

碩士論文
[1]利用GF-1和Landsat遙感數(shù)據(jù)監(jiān)測長江口海岸帶濕地近40年變化及其驅(qū)動(dòng)因子分析[D]. 孫楠.浙江大學(xué) 2018
[2]基于高時(shí)空分辨率數(shù)據(jù)的濕地精細(xì)分類研究[D]. 許盼盼.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2018
[3]基于Landsat 8數(shù)據(jù)的青藏高原地區(qū)地表溫度反演研究[D]. 陸品廷.南京信息工程大學(xué) 2018
[4]結(jié)合Sentinel-1B和Landsat8 OLI數(shù)據(jù)的針葉林冠層葉片含水量反演研究[D]. 王長青.東北林業(yè)大學(xué) 2018
[5]基于光譜特征分析的鄱陽湖典型濕地植被識別分類[D]. 陳彥兵.江西理工大學(xué) 2018
[6]基于HJ1A-HSI高光譜遙感影像的果園識別研究[D]. 魏宇.山東農(nóng)業(yè)大學(xué) 2018
[7]福建閩侯丘陵區(qū)農(nóng)作物種植面積估算的最優(yōu)抽樣技術(shù)研究[D]. 林芳芳.福建農(nóng)林大學(xué) 2018
[8]基于HSI高光譜遙感影像的向海濕地典型植被群落分類研究[D]. 杜保佳.吉林師范大學(xué) 2017
[9]海南東寨港紅樹林濕地碳儲(chǔ)量及固碳價(jià)值評估[D]. 顏葵.海南師范大學(xué) 2015
[10]基于面向?qū)ο鬀Q策樹算法的土地利用遙感分類初步研究[D]. 高帆.云南師范大學(xué) 2015



本文編號：2917445