论文部分内容阅读
为缓解国内木材市场供求矛盾,我国高度重视速生林基地建设。桉树作为世界三大速生树种之一,因品系良、生长快、效益高、适应强等优点而被我国南方多省广泛种植。广西速生桉种植面积居全国首位,在我国林业发展中占据重要战略地位。因此,科学抓好速生桉经营管理,不仅是广西林业发展的重心,更是我国林业建设的关键。在此背景下,本次论文以广西高峰林场界牌分场为研究范围,基于TM数据对林区速生桉林地遥感分类技术展开相关探讨,以期选出林区速生桉最优分类技术,为相关部门运用遥感技术进行速生桉经营决策提供依据。本文主要对研究区TM原始7波段进行基本统计与主要地物光谱曲线分析,充分掌握各TM波段对研究区速生桉等主要地物的可分性能力；在此基础上,对研究区TM数据进行植被指数提取、主成分分析、缨帽变换和最小噪声分离,共生成14个特征波段,加上原始TM图像6波段共20个波段用以作为讨论速生桉分类最优波段组合的数据基础,并结合典型地物光谱特征图与OIF指数评价确定速生桉分类最优波段组合；综合考虑研究区实地情况与研究目的,经分类样本选取、练纯、可分性评价后确定6类分类类别(水域、裸地、桉树、杉木、幼龄林、经济林)以及各类型样本数量；运用4种分类法(一般监督分类法、BP神经网络分类法、决策树分类法、混合像元线性分解法)对研究区实施分类试验,并对分类结果进行精度检验与评价。研究主要结论：①TM图像中4、5波段间相关性较低,对林区主要地物识别能力强,是本次速生桉分类试验重点使用波段；②速生桉龄组间可分性差,分类试验将不对速生桉进行区分龄组分类,而把幼龄以上速生桉归为类作为识别对象：③速生桉分类最优组合为PC3BIGVITM3TM4TM5DVI;④一般监督分类法中,支持向量机分类法最优,Kappa系数为0.6755,桉树制图精度为80.42%；BP神经网络分类法Kappa系数达0.7074,桉树制图精度为74.30%；决策树分类法中,引入地形因子参与分类的Quest决策树分类法精度最高,Kappa系数、桉树制图者精度分别达0.7069、86.00%；混合像元线性分解法总体RMS误差为0.0021,速生桉分解RMS误差达0.0059；⑤支持向量机分类法、BP神经网络分类法、10波段Quest决策树分类法和混合像元线性分解法的速生桉分类面积相对误差由大到小排列为BP神经网络分类法(28.72%)>支持向量机分类法(13.57%)>混合像元分解法(10.18%)>10波段Quest决策树分类法(5.23%),即加入地形因子参与分类的Quest决策树分类法对研究区速生桉分类效果最好。