基于多期遥感数据的落羽杉纯林监测与分析
研究目的和意义
森林有“地球之肺”之称，不仅可以净化空气、涵养水源，还能防风固沙，调节气候。然而随着人类经济社会条件的提高，也带来了很多问题，环境恶化，森林面积减少等。绿水青山就是金山银山，保护和改善生态环境，实现人类社会的持续发展，已成为这个时代最重要的任务之一。人工林建设在稳步推进，将为增加森林碳汇，建设美好生态环境带来新的发展机遇。落羽杉作为用材、防护及庭院观赏树种，具有较高的生态经济价值，近几十年来我国广大地区多有栽培。东海李埝林场试验地种植有16个不同品种的落羽杉，研究其生长变化、多种源结构差异对指导其经营管理具有重要意义。
森林资源监测在绿色建设进程中是非常重要的一环。传统的林业调查投资代价大、历时长，而基于遥感影像数据的森林资源监测能更加准确、快速地为林业调查提供海量数据和决策信息。谭衢霖曾使用多源遥感影像数据对鄱阳湖湿地生态环境进行变化检测研究[1]。邓洁也曾利用不同时相遥感影像变化信息进行地理国情监测[2]。而随着时代的进步，低分辨率的遥感影像已经不能满足人们的研究需要。杨清华发现，在1999年土地动态遥感监测中，利用SPOT卫星全色数据和陆地卫星TM多光谱数据，一些农村居民点占用耕地的小图斑很难发现，为提高土地利用管理与监测的技术与精度，建议在一些重要的城乡接壤地区使用高分辨率卫星数据[3]。
本研究对四期多源高空间分辨率遥感影像进行数据预处理的基础上，准确结合样地调查数据进行单木光谱信息提取，并构建所需植被指数，探究不同种源落羽杉生长变化特征。
2．国内外研究现状
2.1 国内研究现状
近年来对高分辨率遥感影像融合的研究发展非常迅速，成果颇多。徐异凡通过目视评价并结合定量评价得出结论，PCA融合方法是较适合GF-2号卫星影像数据的融合方法[4]，而胡曼研究结果表明，Brovey算法对GF-2影像融合结果在森林类型的提取上具有最高的分类总精度[5]。廖丹采用6种融合方法对Pleiades-1影像进行融合处理，比较发现Gram-Schmidt变换能明显提高原始图像的质量，融合后的效果最好[6]，后林雪经研究发现在面向林地信息提取的Pleiades-1影像融合算法需根据应用的具体层次选择融合算法，而在森林类型信息提取中Gram-Schmidt算法更为有效[7]。
目前，国内众多学者在基于遥感影像开展变化监测与变化分析领域展开一系列的探索与研究。杨军明提出一种新的植被指数数据时空融合模型VISTFM（Vegetation Index Spatial and Temporal Fusion Model），VISTFM采用模糊C聚类算法，对存量时序VI数据按土地利用类型划分为若干子类，从高低分辨率影像中随土地覆被类的变化规律提取子类，结合低分辨率影像提取的土地覆被类变化规律融合生成高时空分辨率的VI数据，能够较好的捕获VI的中间变化过程[8]。陈洋以Landsat-NDVI为代表，提出对于高空间分辨率NDVI时间序列，重建方法主要是采取时空融合技术填补缺失值，提高时间分辨率重建时间序列，并发展了新方法GFSTF[9]。孙江锋对同一个区域根据两个时期的遥感影像或矢量数据来计算差异变化，从而获取到该区域的耕地变化信息，进行耕地数量变化监测[10]。谢敏以高分一号和资源三号卫星影像进行森林资源动态监测，利用转移矩阵的分析方法，计算得到镇巴县森林类型相互转移的面积百分比，区分其变化的系统性和随机性[11]。王鑫等预先计算了由阈值范围产生的多属性APs的重要性，选取重要度较高的变化检测器的输入特征，为了提高最终输出的稳定性，提出基于特征重要性和集成方法的高分辨率图像变化检测方法[12]。
2.2 国外研究现状
目前，国外学者根据不同的研究目的，提出很多卫星图像增强变化检测方法。Gandhi提出一种基于归一化差分植被指数（NDVI）的卫星图像增强变化检测方法，利用Landsat TM遥感影像和NDVI、DEM数据层进行多源分类，再用NDVI差分法进行变化检测，在遥感数据波段组合较少的情况下，也可以通过计算土地覆盖分类的植被指数，很容易地解释土地资源[13]。
虽然当前基于遥感的动态监测及动态分析等领域研究较为丰富，但利用高空间分辨率遥感影像开展动态监测，尤其是基于光学遥感开展单木尺度的动态监测研究较为罕见，而针对不同种源落羽杉的研究更为少见，因此有必要在多时相高空间分辨率遥感影像基础上开展单木尺度不同种源落羽杉生长变化特征的分析，以丰富光学遥感在植被动态监测中的应用。
3.主要研究内容及计划
本研究通过对多遥感数据进行预处理（几何校正、辐射校正、大气校正、图像融合），并准确结合样地调查数据进行单木光谱信息提取并构建所需植被指数，分别在样地尺度、单木尺度进行不同种源落羽杉生长变化特征的分析。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
