当前位置:主页 > 农业论文 > 林业论文 >

基于遥感的泰国海岸带红树林动态变化研究

发布时间:2022-01-12 21:55
  红树林一般位于南北纬30°之间受海洋动力影响较小的潮间带区域,是定期受到潮水淹没的常绿灌木或乔木树林。它特殊的形态结构与生理特点使其在净化水质、消风避浪、护岸保堤、调节气候以及生物多样性保护等方面起到重要作用,不但经济价值很高,且具有不可或缺的生态服务功能。泰国东西两侧分别为太平洋和印度洋,海岸线狭长,海滨湿地环境较多,红树林广为发育,是全世界红树林分布密度最高的地区之一。历史上,由于海岸带过度开发特别是养虾业的发展,泰国海岸带红树林大面积退化,引起渔业减产、水质变差、海岸侵蚀及生物多样性破坏等外部效应。为实现对泰国海岸带地区红树林动态变化状态的监测,本文以1988年前后-2016年前后的LandsatTM/ETM/OLI影像为主要数据,利用数字高程数据掩膜部分非红树林生长区域,结合实地踏勘资料,建立解译标志;在对比最大似然法(Maximum Likelihood)、神经网络法(Neural Net)和支持向量机法(Support Vector Machine)三种方法的基础上,选取总体分类精度(Overall Accuracy)较高的神经网络法对研究区各个时期的影像数据进行了监督分类... 

【文章来源】:山东科技大学山东省

【文章页数】:71 页

【学位级别】:硕士

【图文】:

基于遥感的泰国海岸带红树林动态变化研究


图2.1研宄区域图??Fig.2.1?The?map?of?study?area??9??

基于遥感的泰国海岸带红树林动态变化研究


图2.2野外实地踏勘??Fig.2.2?Thefield?reconnaissance??12??

效果图,掩膜,沿海地区,效果图


膜后的影像进行红树林信息提取[45][461。由于研宄范围较大,在应用DEM数据进行掩膜??时结合了各影像所处地理位置以及实地调查的数据,对不同区域选取不同的高程数值,??最大程度的去除无关信息。利用DEM数据掩膜的效果如图2.4所示。??A掩膜前?A掩膜后??B掩膜前?B掩膜后??图2.4沿海地区DEM掩膜效果图??Fig.2.4?The?rendering?of?DEM?mask?in?Coastal?area??2.3.4图像增强??遥感成像过程中像元常会发生灰度值较低或模糊的现象,这是由于大气环境不稳定、??传感器灵敏度低等因素的影响,降低了图像上地物的差异,弱化了明暗对比效果,使得??不同类别的地物之间反差不明显,不利于影像判读。因此,通过对图像进行增强处理,??将整个影像的灰度区间按一定的函数进行扩展,拉伸到计算机显示亮度的最大范围,增??大地物间对比效果,使对判别有用的信息凸显,增强目视解译和分类的有效性。??15??

【参考文献】:
期刊论文
[1]南海周边国家近20年海岸线时空变化分析[J]. 朱国强,苏奋振,张君珏.  海洋通报. 2015(05)
[2]基于Landsat8遥感影像的合肥市土地利用分类[J]. 许伟,奚砚涛.  湖北农业科学. 2015(15)
[3]南海周边海岸带开发利用空间分异[J]. 张君珏,苏奋振,左秀玲,方月,杨娟.  地理学报. 2015(02)
[4]基于6S模型的遥感图像大气校正方法[J]. 侯旭洲,易维宁,乔延利,黄红莲,崔文煜,杜丽丽,陈川.  大气与环境光学学报. 2015(01)
[5]基于SPOT5影像的红树林种类图谱特征分析和制图[J]. 刘俊霞,任广波,高宁,吴培强.  激光生物学报. 2014(06)
[6]ENVI遥感图像监督分类方法比较[J]. 贾建峰.  西部资源. 2014(06)
[7]海平面上升对中国红树林影响的几个问题[J]. 傅海峰,陶伊佳,王文卿.  生态学杂志. 2014(10)
[8]ENVI遥感图像处理中几种监督分类方法的比较[J]. 金杰,朱海岩,李子潇,孙建伟.  水利科技与经济. 2014(01)
[9]红树林生态系统遥感监测研究进展[J]. 孙永光,赵冬至,郭文永,高阳,苏岫,卫宝泉.  生态学报. 2013(15)
[10]福建九龙江口红树林变化的遥感监测[J]. 闫静,张彩云,骆炎民,王文卿,张文舟,商少凌.  厦门大学学报(自然科学版). 2012(03)

博士论文
[1]1973~2013年中国红树林动态变化遥感分析[D]. 贾明明.中国科学院研究生院(东北地理与农业生态研究所) 2014
[2]潮汐活动对亚热带地区红树林生态系统水热平衡的影响[D]. 阎光宇.厦门大学 2012

硕士论文
[1]西北旱区遥感影像分类方法研究[D]. 张静.西北农林科技大学 2016
[2]基于对象影像分析的多源遥感影像湿地信息提取方法及其尺度效应研究[D]. 孙宇翼.兰州大学 2016
[3]近40年来克拉地峡东西海岸带红树林变化遥感监测与对比分析[D]. 梁浩.内蒙古大学 2016
[4]近30年南海周边国家海岸线时空变化研究[D]. 朱国强.兰州交通大学 2015
[5]基于Landsat数据的铁山港区红树林变迁及其影响因素分析研究[D]. 莫权芳.南京信息工程大学 2014
[6]遥感图像在森林资源二类调查中的应用[D]. 陶冀.中南林业科技大学 2013
[7]基于辐射传输模型的机载高光谱遥感图像大气校正研究[D]. 陈华胜.南京理工大学 2013
[8]基于遥感的广东湛江红树林湿地动态变化研究[D]. 毛丽君.南京林业大学 2011
[9]决策树与SVM相结合的影像分类方法研究[D]. 李琳.中国地质大学(北京) 2009
[10]基于人工神经网络和模糊分类的森林植被遥感图像分类研究[D]. 冯恒栋.东北师范大学 2009



本文编号:3585511

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/lylw/3585511.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户5b888***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com