基于时间序列遥感数据的植被精细分类与覆盖度反演研究

《基于时间序列遥感数据的植被精细分类与覆盖度反演研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博士学位论文基于时间序列遥感数据的植被精细分类与覆盖度反演研究作者姓名：康峻指导教师:牛铮研究员王力副研究员学位类别:理学博士学科专业:地图学与地理信息系统研究所:遥感与数字地球研究所2018年5月FineVegetationClassificationandFractionalVegetationCoverRetrievalusingTimeSeriesRemoteSensingDataByKangJunADissertationSubmittedtoTheUniversityofChineseAcademyofSciencesInpar

2、tialfulfillmentoftherequirementForthedegreeofDoctorofSciencesInstituteofRemoteSensingandDigitalEarthMay,2018中国科学院遥感与数字地球研究所学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的成果。对本文的研究做出重要贡

3、献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：年月日学位论文使用授权说明本人在导师指导下完成的论文，知识产权归属中国科学院遥感与数字地球研究所。本人完全了解中国科学院遥感与数字地球研究所关于收集、保存、使用学位论文的规定，同意研究所保存或向国家有关部门及机构送交论文的印刷版和电子版，允许论文被查阅和借阅；同意授权研究所采用影印、缩印、数字化或其它复制手段保存和汇编本学位论文。本人保证毕业后，以本论文数据和资料发表论文（著作）或使用论文工作成果时，第一署名单位为中国科学院遥感与数字地球研究所，并征得

4、导师同意。保密论文在解密后遵守此规定。论文作者签名：导师签名：日期：年月日摘要摘要植被能够满足关键性的生态系统功能服务需求，在全球范围发挥着非常重要的碳汇作用，是全球气候变化研究中水-碳-氮循环研究的重要对象。植被遥感监测可以对较大时间和空间尺度上的植被类型、森林面积、覆盖率等信息进行获取，并对其变化情况进行监测，具有十分重要的意义。目前的植被遥感研究中，存在时间连续遥感信息缺乏、植被类型精细分类困难、植被覆盖地面调查数据获取困难、植被覆盖度反演方法粗糙等一系列问题，是植被定量遥感研究的难点问题。针对这些研究需求，本文综合采用物候参数拟合、

5、多年时间序列数据合成、JSEG多尺度分割、机器学习等研究方法，提出了基于时间序列遥感数据的植被精细分类与覆盖度反演方法，取得的主要结论如下：（1）基于MODIS时间序列数据的植被精细分类呼伦贝尔北部地区不同植被的物候信息有较明显的特征，森林生长季最早开始（145-160DOY），结束时间较早（250-275DOY），草原生长季开始时间（160-170DOY）略微滞后于森林，但总体生长季长度与森林持平；作物生长季开始时间较晚（170-195DOY），结束时间较早（225-285DOY），生长季短而集中；利用植被物候期关键参数进行决策树分类，总

6、体精度达到81%。（2）基于多年合成Landsat时间序列数据的植被精细分类广东省常绿针叶林、常绿阔叶林和灌丛在1-3月份EVI值具有较为不同的变化趋势，人工林、灌丛、常绿阔叶林在7-8月也具有不同的EVI特征，而农田与其他植被覆盖类型时间序列EVI区别较大，使用多年合成Landsat时间序列EVI数据的随机森林分类方法总体精度达到80.03%。随机森林特征参数重要性得分排序结果表明，广东省植被冬季到春季物候变化特征是区分植被类型的重要决定因素，夏季物候信息和DEM信息也是区分不同植被类型以及区分植被和非植被的重要影响因素。（3）基于JSE

7、G多尺度分割方法和无人机影像的森林植被覆盖度提取不同的分割尺度对于解决不同的分割需求具有各自的优势，尺度-1有利于分割提取单个树冠，而尺度-4则对于区分光照和阴影区域来说是最适宜的尺度；阴影区域的树冠面积提取总体精度比光照区域的总体精度略差，浓密分布采样点I摘要取得的树冠面积提取总体精度要略低于稀疏分布采样点的总体精度；在采用尺度-4的JSEG分割下，采用滤波窗口为9×9的开运算在全部4种种植密度和光照情况的组合中均取得了最优的树冠面积提取的总体精度，针对所有样本点的树冠面积提取总计精度达到90%。（4）基于多年合成Landsat时间序列数

8、据的森林植被覆盖度反演7月的EVI数据是植被覆盖度逐步回归反演的最适月度数据；5月、9月的EVI数据也在植被覆盖度逐步回归反演中起到重要作用；5-8月EVI数据在植被覆盖度随机森