论文部分内容阅读
全球气候变化、温室效应等重大问题的出现,迫切需要快速、连续地掌握森林资源现状和变化信息。我国森林资源监测体系虽已经建成,但仍存在监测周期长、精度低等问题。随着遥感和计算机网络等现代信息技术的快速发展,这些问题可以得到有效解决。论文以中国为研究区,采用2009年MODIS产品数据的NDVI、EVI、LAI、GPP,在数据预处理基础上,将森林类型分为针叶林、阔叶林、混交林、竹林、灌木林5大类,采用决策树、kNN以及混合像元分解等技术,开展森林类型信息提取研究。主要结论如下：(1)提出一套基于MODIS数据的批量预处理技术。利用ENVI/IDL程序开发语言实现全国范围内MODIS数据批量投影转换、批量数据镶嵌、批量黑带去除、批量影像裁剪等技术,数据处理效果优于传统遥感影像处理方式,大幅度提高了MODIS数据预处理的效率。(2)建立了森林类型识别的决策树模型,实现了全国森林类型信息提取。结果表明全国平均总体分类精度达到82.29%、Kappa系数为0.7623,本满足了大尺度森林信息提取的精度要求。(3)利用kNN算法进行全国各省森林类型信息提取,并比较了不同k值大小对森林类型提取精度的影响。随着k值的增加,其分类精度也逐步增加,在k=7时取得了最优森林类型信息提取精度,随后随着k值的增加其分类精度呈下降趋势。其全国平均总体精度为83.20%、Kappa系数为0.7929。比决策树分类的精度要高。(4)针对低分辨率的MODIS产品数据容易产生大量混合像元的问题,开展基于MODIS混合像元分解技术的全国森林类型识别研究。其结果表明：利用混合像元分解技术进一步提高了森林分类的精度,总体分类精度达到84.26%,Kappa系数达到0.8022。其分类精度较决策树和kNN算法好。论文针对目前林业遥感难以快速实现大范围森林资源监测的难题,提出规范的MODIS低分辨率时序数据预处理流程和可行的技术实施方案,保证了全国森林类型信息提取的精确性和可信度；同时,绘制的全国森林类型分布图能够为全国森林类型资源管理提供参考和依据。创新点主要体现在两个方面：(1)提出一套MODIS数据批量预处理技术。(2)提出一种基于MODIS影像的混合像元分解技术的区域森林类型提取方法。