一、TM卫片在森林资源二类调查中的应用分析（论文文献综述）
李春干,代华兵[1]（2021）在《中国森林资源调查:历史、现状与趋势》文中认为自20世纪50年代初以来,中国森林资源规划设计调查经历了目测调查（踏查）、航空目测调查、以小班为基础的抽样调查、以地形图为基础的小班调查和以高分辨率卫星遥感图像为基础的小班调查5个主要技术发展阶段。文中介绍各阶段森林资源调查的主要调查内容、技术方法和手段,其中小班调查内容和林分调查因子测量方法自20世纪80年代中期以来基本稳定,但小班区划和数据处理方法随着遥感和计算机技术的进步得到了较大发展;综述了2017年以来以机载激光雷达和高分遥感为核心技术的大区域森林资源调查技术进展,并展望了超高分辨率卫星遥感图像、无人机、地基激光雷达等新技术在森林资源调查中的应用前景。
温小荣[2]（2017）在《森林资源二类调查关键技术与方法的研究》文中研究指明论文主要针对南方集体林区的森林资源调查与监测的关键技术与方法问题开展研究,选取了试验区1（浙江省建德市）、试验区2（江西省吉水白沙林场）、试验区3（江苏省东台林场）作为试验区。这些区域都处于南方集体林区的亚热带常绿阔叶林和针阔混交林经营区,南方集体林区具有较好的森林生长自然条件,森林资源集约化监测与管理对提升森林质量具有重要的意义。森林资源二类调查成果是指导和规范科学经营森林的重要依据,是森林质量精准提升的基础。森林资源监测的高新技术不断涌现,无人机遥感技术、地基激光雷达、机载激光雷达技术开始在森林资源二类调查中应用。现代化森林调查监测技术广泛应用了航天遥感、航空遥感、全球定位系统、数据库技术及计算机网络技术等高新技术,由此引发新形势下对高时效、高精度、多层次的森林资源二类调查的新要求。论文主要研究内容如下:1、构建了一个提取有林地小班地类变化的综合相似度指数FSi计算公式综合相似度指数FSi描述发生变化小班与入样有林地小班对象因子特征值之间的相似程度,FSi值越大表示该小班地类有极大的可能性发生变化。综合相似度指数计算公式如下:FSi=（?）,Fzi=bzi-m1/σi式中,bzi为特征波段i中第z个小班波段值,m1、δ i分别为特征波段i中入样有林地小班对象波段均值和标准差,N为特征波段个数,FZi为构建的相似度指数统计量,FSi为综合相似度指数。试验区（建德市）2013-2014年landsat8 OLI遥感影像分析结果表明:2014年的各入样有林地小班对象的Band2影像特征值、Band3影像特征值、2013-2014的NDVI差值和其主成分分析第一主成分PC1差值的FZi,其趋势均呈现近似正态分布规律。利用该特征构建综合相似度指数FSi,实现试验区2013-2014年变化小班的提取,在不区分小班类型时正确率、漏检率、错检率分别为86.79%、13.21%、84.91%,区分小班不同的坡度和坡向类型时,其正确率都达到90%以上。该方法应用于同一地区2014-2015年小班变化信息的提取得到较好的效果,其正确率都达到80%以上。该方法为小班地类变化信息提取提供了一种改进的方法,为森林资源年度变更调查、森林资源二类调查的复查、小班空间数据获取提供支撑,具有较好的应用价值。2、研究了基于无人机遥感数据的森林蓄积量双重回归估计方法采用基于无人机遥感样地的模型预估蓄积量值作为双重回归估计中辅助因子,地面实测样地的蓄积量值作为双重回归估计中主因子（目标变量）,论文提出了双重回归估计中辅助因子的几种估测方案。结果表明:五种辅助因子获取方案其估计精度都在90%以上,方案一、方案三、方案五其R2都在0.68以上,有利于提高估计精度,5种方案其估计区间也较为一致,说明基于无人机遥感数据获取辅助因子并进行双重回归估计是可行的,方法的研究为无人机遥感技术在区域森林资源二类调查和监测开辟了新的途径。由方案一双重回归估计得到试验区（东台林场）杨树人工林公顷平均蓄积量为142.6m3,公顷平均蓄积量其估计区间为133.8～151.4m3,其蓄积量总量估计区间为94265.1m3～106628.1 m3。该方案的估计精度为93.85%。由方案五双重回归估计得到东台林场杨树人工林公顷平均蓄积量为143.0m3,该方案的估计精度为93.26%,试验区杨树人工林蓄积量总量估计区间为94031.8m3～107371.0 m3。3、探讨了基于无人机遥感数据的森林生物量双重回归估计方法根据论文研建的冠幅和树高模型W = 0.0039Cw1.1153h2.8713,对样地生物量进行测算,作为其辅助因子。该方案基于无人机遥感影像获取的样地平均冠幅和林分平均高,本次试验用模型预估值代替林分平均高。应用样地平均冠幅和林分平均高推算无人机遥感样地单株平均生物量,根据无人机遥感样地获取的株数乘以单株平均生物量,得到样地的生物量。根据双重回归估计得到试验区平均单位面积的公顷生物量为73098.5247 kg。试验区杨树人工林地上部分生物量其总量估计为5.1486×107kg,估计区间为（4.7985×107～5.4987×107kg）,估计精度为93.2%。4、提出了小班ΠPS抽样和分层ΠPS抽样的估计方法本文提出了小班ΠPS抽样总体总量的估计,并给出了小班ΠPS抽样的近似方差的估计量计算公式,并对试验区杨树人工林的蓄积量进行估计。论文研究结果可知,小班ΠPS抽样不分层的情况下,试验区杨树人工林总体总量的估计为98114.40 m3,估计区间为86348.08 m3～109880.72 m3,精度达到88.00%。对小班组合类型的分层ΠPS抽样估计得到较好的效果。小班分层ΠPS抽样对杨树人工林总体蓄积量的估计为99327.15 m3,其估计精度达到92.24%。在相同样本量的情况下,小班分层ΠPS抽样比不分层的小班Π PS抽样的精度要高。5、研究了小班Π PS抽样的森林生物量抽样估计方法对于试验区杨树人工林总体而言,小班分层Π PS抽样估计森林生物量其总量的估计为 51945846.68 Kg,估计区间为 47916655.21～55975038.16Kg。精度达到 92.24%。在相同样本量的情况下,小班分层Π PS抽样比不分层小班Π PS抽样估计森林生物量的精度要高。森林资源二类调查中各小班单元大小不等,应用不等概抽样效率高的优点进行森林资源二类调查中小班不等概抽样达到对调查总体提供可靠的估计,使得森林资源二类调查自成体系并有一定精度保证,是森林资源调查小班抽样需要解决的技术难题之一。本文研究的无放回小班不等概抽样（小班ΠPS抽样）在试验区杨树人工林蓄积量、生物量、林木总株数的估计中都取得了较好的效果,能达到森林资源二类调查规程规定的精度。论文研究有利于补充和完善小班不等概抽样理论与方法,形成小班ΠPS抽样的森林资源监测体系。总之,深入研究森林资源二类调查的关键技术与方法,将有助于推动地方森林资源监测技术进展。无论从森林资源监测的实际需要和该理论方法的解决等方面,该项研究都是有积极意义的。
白山,姚桂萍,路春玲[3]（2013）在《谈TM卫片在二类调查中的应用》文中提出利用TM卫片和航片相结合进行森林资源调查,可以快速查清森林资源现状和节省大量人力、物力、财力,并能提高调查精度。
陶冀[4]（2013）在《遥感图像在森林资源二类调查中的应用》文中研究指明森林资源调查和监测作为森林资源管理的一种重要支撑手段,能够及时准确地为资源管理提供准确的森林资源与生态状况信息,以及最终的分析、评价结果,可以有效地增强宏观调控和微观管理的科学性、预见性以及有效性。森林资源二类调查是森林资源调查中最重要的一种调查和技术,为科学经营和管理森林资源提供了重要的科学依据。今年是湖南省森林资源二类调查周期年,“十二五”森林资源二类调查全面引入了高分辨率遥感技术,为了更好地发挥遥感技术在本次二类调查中的作用,开展了本论文研究工作,主要研究结果如下：（1）通过对CBERS、TM、HYPERION、SPOT5、QUICKBIRD、WORLDVIEW6种遥感处理源进行空间分辨率对比和价格对比,选取空间分辨率较为理想、价格相对经济的SPOT5数据作为主要遥感数据源,采用ENVI4.8遥感图像处理软件,以黄丰桥林场为研究区域,开展了一系列的遥感图像处理、软件对遥感图像的优化处理流程、遥感图像解译和实地验证的研究。（2）遥感图像处理主要分为遥感图像的预处理、最佳波段的选择、遥感图像融合、遥感图像增强四个步骤。①遥感图像的预处理：根据基础地形图对遥感原始图像进行预处理,进行几何处理、图像配准工作。②最佳波段的选择：通过对SPOT5图像的各个波段进行光谱和波谱特征分析,确定对黄丰桥林场的SPOT5图像提取森林资源二类调查所需信息时,选择波段（3、4、2）为最佳组合。③遥感图像融合：利用校正好的全色图像和多光谱图像进行有机结合,比融合前有较大的改善。④遥感图像增强：本研究采用线性拉伸法,更加突出遥感图像中不同地类间的光谱反差,明显地提高地类间界线清晰度的作用,有利于地类图斑边界信息的提取,保证了图斑面积的解译精度。（3）为对遥感图像处理结果进行精度验证,本次研究进行了遥感图像解译和实地验证。通过建立黄丰桥林场判读解译标志表共判读379个小班。在解译结果中随机抽取53个小班,与实地调查结果相比较,正判率满足技术要求,达到90.57%。（4）通过本次研究,获得了一套能颜色醒目、色彩丰富、各主要地类、树种差异明显,适合湖南省森林资源二类调查判读的遥感图像和及其处理流程。该遥感图像处理流程的制图技术运用于森林资源二类调查,改变了传统的手工调绘森林资源调查方法,降低了工作强度,提高了效率,保证了质量,充分证明了遥感技术在森林资源二类调查应用中的可行性。随着遥感技术的提高和运用,必将在以后的森林资源二类调查中发挥不可低估的作用。
李爱民[5]（2012）在《森林资源二类调查新技术应用、存在主要问题及对策建议》文中提出文章对森林资源二类调查的技术发展历程、新技术应用现状进行了回顾,并针对存在主要问题提出对策建议。
李玉堂[6]（2011）在《森林资源空间数据集成管理技术的研究与应用》文中研究表明森林资源数据获取与更新是森林资源调查永恒的主题,从有森林调查开始,森林调查从业者对获取准确的森林资源数据进行不懈的努力。从全林每木到抽样调查,从样地调查到角规抽样,从对坡勾绘到航片的应用,从航片到卫片,从手工制图到地理信息的应用,从罗盘配合地形图定位到GPS手持机和PDA的应用等,无不表明森林资源空间数据的获取手段的提高和调查数据精度的提高。本研究采取理论和实践紧密相结合的技术路线,主要是应用“3S”技术,对在森林资源空间数据的采集和更新的实际工作遇到的具体问题做了一些研究来提高数据采集和更新的效率,主要内容如下：1采用以Visual Basic6.0为开发平台,对MapInfo Professional进行集成开发,实现非地理要素的结合,发挥了工具型地理信息系统的长处又弥补了属性数据编辑能力不强的弱点。2通过地理信息属性数据录入的研究,实现了数据的双模式输入,即代码输入和下拉框选择输入,实现了华表组件的数据和地图窗口的互动,编辑小班属性的同时可以看到小班的图形数据以及小班范围内的遥感影像,克服了小班图形数据和属性数据”张冠李戴”的现象。3将森林资源空间数据的采集工作分解到林班,能够使每一个工作人员完成自己的内业工作,对提高森林资源空间数据的准确性,提高数据采集的速度和质量。4针对具有一个控制点的图像研究出图像单点配准的方法,简化了图像配准的过程,提高了工作效率。5应用地形数据（DEM）直接完成小班的立地条件数据填写,提高了准确性。应用DEM数据制作成的晕渲地形林相图,直接具有立体效果,形成新一代的地形林相图。方便林业基层工作人员读图和调查人员区划立地类型小班。6 GPS数据提供的地理数据为森林资源空间图形数据采集和更新提供了准确的数据源,这些数据是巨大的信息财富。本研究提供了利用这些数据的方法,在实际生产中得到广泛引用,取得了很好的效果。7采用局部矢量化的方法,利用三类调查数据对森林资源空间数据的更新,扭转了现实森林资源管理中,数据“1年清、2年变、3年乱”的被动局面。8森林资源空间数据的主要来源是遥感数据,对两期的TM影像进行比较可以发现该时间段的森林变化情况,对这些变化的发现可以使森林调查有的放矢,提高森林调查的质量。本研究通过两期影像NDVI差值的分布,来确定两期的资源变化,取得了很好的效果,在实践中有指导作用。9将样地数据进行矢量化管理,将样木的真实空间分布进行描述,实现森林资源空间数据一体化管理,实现抽样调查体系和目测现地调查体系的结合。通过这些数据完成检查小班的调查质量,计算精度,两套调查体系进行比估等工作。
杜文峰,杨传强,刘献伦,李庆,许玉堂[7]（2011）在《卫片在森林资源二类调查中应用探讨》文中研究表明通过遥感卫片在森林资源二类调查工作的应用,总结利用卫片进行调查的优越性,遇到的问题及应对措施,讨论提高卫片判读正判率的方法。基于现行林业调查中的卫片分辨率,作者认为,卫片是森林资源二类调查工作很好的辅助,但不能完全替代现有的森林资源二类调查。
李卫正[8]（2009）在《基于遥感影像分割的小班界线提取研究 ——以广东翁源县九曲水林场为例》文中研究表明使用改进的矢量中值滤波算法对广东省九曲水林场TM图像数据进行滤波消噪处理。处理结果与传统的滤波算法对比分析。结果表明,对林区TM图像而言,改进的矢量中值滤波器具有出色的平滑去噪能力,并且保持了很好的分类精度,可以替代传统的滤波方法。针对山区小班界线勾绘的特点—“对坡勾绘”,本文提出一种融合坡向信息的基于核的模糊C均值聚类算法（KFCM）算法,并研究了使用该方法提取小班界线的处理流程和技术,结果表明,对本次研究的TM数据而言,使用该方法提取效果较好。提取小班的符合程度可以达到76%。本文探索了利用DEM直接提取小班界线的具体实现方法。结果表明,由坡向图经图像处理后提取到的矢量多边形界线大部分与人工地面调查的小班界线基本相一致,重合程度可达70%。在对分水岭算法过分割问题分析基础上,提出一种结合沉浸分水岭和Normalized cut算法的图像分割方法,该方法具有分水岭变换速度快、边界定位准的特点,并利用Normalied Cut算法克服了图像过分割现象。直接使用该方法提取小班界线的符合程度可达到81%以上。如采用前期林班界线作为图像分割的控制线,对每个林班内对应的遥感影像分别使用结合沉浸分水岭算法和Normalized cut算法的图像分割方法,提取小班界线的效果最好,使用该方法提取的符合程度可达到84%以上。提取结果在进一步编辑修改后可以作为小班区划的工作底图。
侯建楠[9]（2008）在《基于3S技术的哈日图热格国家森林公园森林调查研究》文中进行了进一步梳理数字林业是数字地球的有机组成部分,是实现森林资源与环境可持续发展的必由之路,3S技术是实现这一目标的主要技术之一。而3S技术的基础是空间数据源的获取,特别是具有良好的现势性、必要的精度、合理的密度的地图数据的自动获取、处理、制图与统计分析。本文首先选取2005年TM遥感影像和哈日图热格国家森林公园原有森林资源调查数据为基本数据源,以1:100000地形图及相关图件和统计资料为辅助数据,以GIS、RS、GPS及其集成技术3S为工具,利用遥感图像处理软件ERDAS8.6和地理信息系统软件SuperMap2003为平台,结合野外数据采集和实地调查,通过对卫星图片的处理分析和信息提取,制作出2005年哈日图热格国家森林公园森林资源分布图和哈日图热格国家森林公园生态区位图,结合地理信息系统处理软件统计得到哈日图热格国家森林公园森林资源的面积、覆盖程度、以及不同地类、不同起源、不同林木的分布状况。其目的是为哈日图热格国家森林公园森林规划和管理,保护森林资源,加快生态环境建设提供科学依据。通过将3S技术运用于哈日图热格国家森林公园森林资源调查、地图制作与统计分析,实现了森林资源调查监测的数字化、动态化和林业管理的信息化,减轻了传统调查方法的外业工作量,提高了调查的精度和工作效率,展示了3S技术在林业生产实践中具有广阔的应用前景。
王亮,吴泽民,洪安东,余立华[10]（2007）在《TM卫片在安徽贵池森林景观资源监测中的实践》文中提出本文以贵池地区2002年卫片为基本资料,运用GPS、G IS技术结合森林资源清查、土地利用等资料,在V iewG IS3.0软件支持下,建立了整个地区的景观分布图及其属性数据库,探讨了在安徽南方利用TM卫片进行大尺度森林景观监测的可行性。结果表明:以开展森林景观生态研究为目的,使用TM影像作为数据源是可行的,能够满足研究精度的要求。
二、TM卫片在森林资源二类调查中的应用分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、TM卫片在森林资源二类调查中的应用分析（论文提纲范文）
（2）森林资源二类调查关键技术与方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 森林资源二类调查与我国的森林资源监测体系 |
| 1.3 国外森林资源调查与监测的发展概况 |
| 1.4 我国森林资源二类调查的发展历程 |
| 1.5 森林资源二类调查主要关键技术与方法进展概述 |
| 1.6 森林资源二类调查存在的问题 |
| 第二章 原理与方法 |
| 2.1 论文研究的技术路线 |
| 2.2 基于无人机遥感数据的双重回归估计方法 |
| 2.2.1 总体平均数的估计量及其方差 |
| 2.2.2 方差的估计量 |
| 2.3 小班πPS抽样估计原理与方法 |
| 2.3.1 总体总量Y的估计 |
| 2.3.2 估计量的方差 |
| 2.3.3 方差的估计量 |
| 2.3.4 小班πPS抽样估计量的近似方差 |
| 2.3.5 Hajek近似方差的估计量 |
| 2.4 小班分层πPS抽样估计方法 |
| 2.4.1 总体总量Y的估计 |
| 2.4.2 Hájek近似方差 |
| 2.4.3 近似方差估计量 |
| 2.5 森林小班变化信息的提取方法 |
| 2.5.1 入样有林地小班的选取 |
| 2.5.2 基于综合相似度指数有林地小班变化信息的提取方法 |
| 2.5.3 目视解译法提取有林地小班变化信息 |
| 第三章 研究区概况与数据来源 |
| 3.1 研究区概况 |
| 3.2 数据来源 |
| 第四章 数据处理 |
| 4.1 高分卫星数据(GF-1)的融合处理 |
| 4.1.1 数据准备 |
| 4.1.2 数据处理关键技术方法 |
| 4.1.3 融合影像在森林小班变化信息提取中的应用 |
| 4.1.4 小结 |
| 4.2 Landsat80LI数据预处理 |
| 4.3 无人机数据处理 |
| 4.4 基于无人机高分影像的小班边界区划 |
| 4.5 地基激光雷达点云数据处理 |
| 第五章 县级森林小班变化信息提取的研究 |
| 5.1 建德市森林资源现状 |
| 5.2 基于综合相似指数统计特征的有林地小班变化信息提取 |
| 5.2.1 数据准备与技术路线 |
| 5.2.2 基于伪不变特征的相对辐射校正 |
| 5.2.3 算法关键技术 |
| 5.2.4 结果分析 |
| 5.3 本章小结 |
| 第六章 基于小班组合类型的森林生物量遥感估测方法 |
| 6.1 基于小班组合类型的森林生物量遥感估测 |
| 6.1.1 数据准备 |
| 6.1.2 蓄积量与生物量转换方法 |
| 6.1.3 立地质量评价方法 |
| 6.1.4 特征变量选取 |
| 6.1.5 结果与分析 |
| 6.1.6 小结 |
| 6.2 本章小结 |
| 第七章 基于小班组合类型的森林蓄积量估测方法及其应用 |
| 7.1 基于县级森林资源二类调查数据的地位级表编制 |
| 7.1.1 数据筛选与数据整理 |
| 7.1.2 地位级表的编制 |
| 7.1.3 其他树种组地位级表编制 |
| 7.2 基于小班组合类型的林场经营单位级森林蓄积量的估测模型 |
| 7.2.1 数据准备及预处理 |
| 7.2.2 关键技术 |
| 7.3 本章小结 |
| 第八章 基于多源数据的测树因子相关性分析 |
| 8.1 数据准备与技术路线 |
| 8.2 树高胸径模型分析 |
| 8.2.1 数据整理及模型优选 |
| 8.2.2 模型检验 |
| 8.2.3 树高胸径改进模型 |
| 8.2.4 改进的树高胸径模型检验 |
| 8.3 平均高优势高模型分析 |
| 8.3.1 数据整理及建模样本的组织 |
| 8.3.2 模型建立 |
| 8.3.3 模型检验 |
| 8.4 单木冠幅胸径模型分析 |
| 8.4.1 数据整理及建模样本的组织 |
| 8.4.2 模型检验 |
| 8.5 基于样地平均冠幅的胸径回归模型 |
| 8.5.1 数据整理及建模样本的组织 |
| 8.5.2 模型检验 |
| 8.5.3 基于无人机遥感数据的平均胸径预测值和实测值相关分析 |
| 8.5.4 基于无人机遥感数据的平均冠幅与样地平均胸径相关分析 |
| 8.6 基于冠幅和年龄的胸径二元回归模型 |
| 8.6.1 数据整理及建模样本组织 |
| 8.6.2 模型检验 |
| 8.6.3 基于冠幅和年龄的平均胸径预测值与实测值相关性分析 |
| 8.7 年龄胸径预估模型分析 |
| 8.7.1 数据整理及建模样本的组织 |
| 8.7.2 模型检验 |
| 8.8 基于林分优势高与株数的直径预估模型 |
| 8.8.1 数据整理及样本组织 |
| 8.8.2 优势高模型的优选 |
| 8.8.3 优势高模型检验 |
| 8.8.4 杨树林分平均胸径预估模型 |
| 8.9 材积相关模型分析 |
| 8.9.1 数据准备及整理 |
| 8.9.2 基于冠幅树高的材积模型分析 |
| 8.9.3 模型检验 |
| 8.10 本章小结 |
| 第九章 基于无人机遥感影像的森林蓄积量生物量抽样估计 |
| 9.1 数据准备 |
| 9.2 蓄积量的双重回归估计 |
| 9.2.1 辅助因子估算模型的选择 |
| 9.2.2 双重回归估计结果 |
| 9.3 森林地上部分生物量的双重回归估计 |
| 9.3.1 与材积兼容的生物量模型 |
| 9.3.2 数据来源与建模分析 |
| 9.3.3 模型检验 |
| 9.3.4 森林生物量的双重回归估计 |
| 9.4 本章小结 |
| 第十章 小班πPS抽样估计及应用 |
| 10.1 小班πPS抽样的样本数量的确定和抽取方法 |
| 10.2 小班πPS抽样的森林蓄积量抽样估计 |
| 1、总量的估计 |
| 2、方差估计量 |
| 10.3 小班分层πPS抽样估计蓄积量 |
| 10.3.1 层的划分 |
| 10.3.2 各层的总量估计 |
| 10.3.3 其方差估计量 |
| 10.4 小班分层πPS抽样估计森林生物量 |
| 10.4.1 层的划分 |
| 10.4.2 各层的生物量总量估计 |
| 10.5 小班分层πPS抽样估计林木株数 |
| 10.5.1 层的划分 |
| 10.5.2 总体株数的估计及其方差估计量 |
| 10.6 本章小结 |
| 第十一章 结论与讨论 |
| 11.1 主要结论 |
| 11.2 本文创新点、展望与不足之处 |
| 攻读学位期间发表的学术论文 |
| 主要参考文献 |
（3）谈TM卫片在二类调查中的应用（论文提纲范文）
| 1 TM卫片简介 |
| 2 TM卫片的优越性 |
| 2.1 减少调查人员, 降低劳动强度 |
| 2.2 提高成果的生产质量 |
| 2.3 提高经济效益 |
| 3 TM卫片在调查中的具体应用 |
| 4 森林调查中TM卫片的选择 |
| 4.1 时相选择 |
| 4.2 波段选择 |
| 5 结束语 |
（4）遥感图像在森林资源二类调查中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 森林资源二类调查的目的及意义 |
| 1.2 遥感技术在林业上的应用 |
| 1.3 研究背景 |
| 1.3.1 遥感技术在国内外森林资源调查中应用现状 |
| 1.3.2 遥感技术在湖南省森林资源调查中应用现状 |
| 1.4 研究内容 |
| 1.5 技术路线如图 |
| 1.6 项目来源 |
| 1.7 研究区域 |
| 2 遥感数据源的选择 |
| 2.1 遥感数据源的介绍 |
| 2.2 遥感数据源的对比 |
| 2.2.1 空间分辨率对比 |
| 2.2.2 价格对比 |
| 3 遥感图像的处理 |
| 3.1 遥感图像处理流程 |
| 3.2 遥感图像预处理 |
| 3.2.1 遥感图像的粗加工处理 |
| 3.2.2 遥感图像的精加工处理 |
| 3.2.3 图像配准 |
| 3.2.4 本次研究所采用的方法 |
| 3.3 最佳波段选择 |
| 3.3.1 遥感图像最佳波段选择意义 |
| 3.3.2 研究图像最佳波段选择 |
| 3.4 遥感图像融合 |
| 3.4.1 遥感图像融合的概念和目的 |
| 3.4.2 本次研究遥感图像融合说明 |
| 3.5 遥感图像增强 |
| 3.6 图像镶嵌 |
| 4 软件对遥感图像的优化处理流程 |
| 4.1 优化处理技术路线 |
| 4.2 数据准备 |
| 4.2.1 工作文件夹创建 |
| 4.2.2 查看要处理图像的元文件 |
| 4.3 利用全色图像数据几何校正多光谱数据 |
| 4.4 波段组合和全色图像与多光谱图像融合 |
| 4.5 图像增强 |
| 4.6 校正图像数据 |
| 4.7 小班调查图的制作 |
| 5 遥感图像解译和实地验证 |
| 5.1 遥感图像解译 |
| 5.2 解译采集的主要信息 |
| 5.3 解译方法 |
| 5.4 判读解译结果 |
| 5.5 实地验证 |
| 5.5.1 实地验证方法 |
| 5.5.2 实地验证的结果 |
| 6 结论 |
| 参考文献 |
| 致谢 |
（5）森林资源二类调查新技术应用、存在主要问题及对策建议（论文提纲范文）
| 1 技术发展历程 |
| 2 新技术应用现状 |
| 2.1 遥感技术 (RS) |
| 2.2 地理信息系统 (GIS) |
| 2.3 全球定位系统 (GPS) |
| 2.4 PDA技术 |
| 3 存在主要问题 |
| 3.1 调查内容不能适应新形势需要 |
| 3.2 动态监测的时效性差 |
| 3.3 监测技术进步相对缓慢 |
| 3.4 基础建设仍然薄弱 |
| 4 发展方向和对策建议 |
| 4.1 发展方向 |
| 4.2 对策建议 |
| 4.2.1 完善技术标准, 丰富和改进调查内容, 逐步实现森林资源和生态状况综合监测 |
| 4.2.2 强化档案管理, 大力推进森林资源年度数据更新 |
| 4.2.3 积极推广和应用高新技术, 不断提升调查监测水平 |
| 4.2.4 搞好基础建设, 促进监测工作持续健康发展 |
（6）森林资源空间数据集成管理技术的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 综述 |
| 1.1 引言 |
| 1.2 森林资源的数据特征 |
| 1.3 森林资源调查的沿革 |
| 1.3.1 调查体系形成 |
| 1.3.2 我国森林调查的分类 |
| 1.3.3 现行二类调查方法 |
| 1.3.4 计算机在森林资源调查中的应用 |
| 1.4 "3S"技术 |
| 1.4.1 地理信息技术(GIS)在森林资源调查中的应用 |
| 1.4.2 遥感技术(RS)在森林调查和监测中的应用 |
| 1.4.3 全球定位系统(GPS)在森林资源调查中的应用 |
| 1.4.4 嵌入式GIS |
| 1.4.5 小结 |
| 1.5 研究的目的和意义 |
| 1.5.1 研究目的 |
| 1.5.2 研究意义 |
| 1.5.3 技术路线 |
| 1.5.4 创新点 |
| 2 森林资源管理平台设计和数据处理 |
| 2.1 地理信息系统软件的分类 |
| 2.2 MapInfo产品简介 |
| 2.2.1 Maplnfo产品的应用模式的选择 |
| 2.3 GPS的应用 |
| 2.3.1 GPS手持机数据利用 |
| 2.3.2 对讲机GPS的应用 |
| 2.3.3 小结 |
| 2.4 图像的单点配准 |
| 2.4.1 图像配准的原理 |
| 2.4.2 Mapinfo Professional中图像配准文件的结构 |
| 2.4.3 BMP文件结构分析 |
| 2.4.4 坐标旋转变换 |
| 2.4.5 实现步骤 |
| 2.4.6 结果验证 |
| 2.4.7 小结 |
| 3 森林资源空间数据采集与更新 |
| 3.1 森林资源空间数据的快速采集 |
| 3.1.1 数据采集工作的有效分解 |
| 3.1.2 方便的打开地图界面 |
| 3.1.3 平差功能的实现 |
| 3.1.4 成图标准化 |
| 3.1.5 小班注记的形成 |
| 3.1.6 提出小班界 |
| 3.1.7 小班着色 |
| 3.1.8 小结 |
| 3.2 属性数据的采集 |
| 3.2.1 华表组件简介 |
| 3.2.2 华表组件与地理信息系统属性表的信息传递设计 |
| 3.2.3 属性数据的快速采集设计 |
| 3.2.4 筛选功能的实现 |
| 3.2.5 小结 |
| 3.3 局部矢量化 |
| 3.3.1 局部矢量化的提出 |
| 3.3.2 局部矢量化的设计思想 |
| 3.3.3 局部矢量化的关键 |
| 3.3.4 局部矢量化的实现 |
| 3.3.5 小结 |
| 3.4 森林资源空间历史数据的管理 |
| 3.4.1 时态GIS |
| 3.4.2 时间维的表达方式 |
| 3.4.3 时态GIS的实现方式 |
| 3.4.4 小结 |
| 4 地形数据的应用 |
| 4.1 地貌立体表示方法 |
| 4.2 数字高程模型(Digital Elevation Model,简称DEM) |
| 4.2.1 规则格网模型 |
| 4.2.2 等高线模型 |
| 4.2.3 不规则三角网(TIN,Triangulated Irregular Network) |
| 4.3 错误高程值的查找 |
| 4.3.1 检查等高线高程值的常用方法 |
| 4.3.2 检查等高线错误的原理 |
| 4.3.3 实现步骤 |
| 4.4 海拔高、坡度、坡向的填写 |
| 4.4.1 DEM模型的获得 |
| 4.4.2 将Grid模型转换为点、面实体的图层 |
| 4.4.3 点状实体的海拔高、坡度和坡向填写 |
| 4.4.4 面状小班海拔高、坡度和坡向的填写 |
| 4.5 林相图的"平面立体"制作 |
| 4.5.1 地形数据的准备 |
| 4.5.2 山体阴影的处理 |
| 4.5.3 加载到地图窗口中 |
| 4.5.4 "平面立体"林相图的应用 |
| 4.6 小结 |
| 5 森林资源变化监测 |
| 5.1 植被指数 |
| 5.2 TM影像的光谱特征 |
| 5.3 归一化植被指数NDVI |
| 5.4 监测原理 |
| 5.5 森林资源变化监测步骤 |
| 5.5.1 数据源 |
| 5.5.2 二进制图像数据输入 |
| 5.5.3 遥感影像的纠正配准 |
| 5.5.4 影像裁切 |
| 5.5.5 求算NDVI |
| 5.5.6 求算NDVI的差值影像 |
| 5.5.7 森林资源变化定位 |
| 5.5.8 检测验证 |
| 5.6 小结 |
| 6 样地的管理模式研究 |
| 6.1 样地管理模式的选择 |
| 6.2 样地的输入界面设计 |
| 6.3 样地每木输入设置 |
| 6.4 样地材料的逻辑检查 |
| 6.5 样地计算 |
| 6.6 样地与小班因子对照表 |
| 6.7 小结 |
| 结论与讨论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文及参与的科研项目 |
| 致谢 |
| 个人简历 |
（7）卫片在森林资源二类调查中应用探讨（论文提纲范文）
| 1 卫片的优越性 |
| 1.1 时效性强, 更新快 |
| 1.2 界线准确、地类边界清楚 |
| 1.3 使用方便、成图质量高 |
| 2 卫片判读遇到的问题 |
| 2.1 云 (霾) 和山区阴坡阴影 |
| 2.2 同物异谱、同谱异物现象 |
| 2.3 卫片判读山体走向、坡度难度较大 |
| 3 提高卫片判读正判率的几点建议 |
| 3.1 选择高分辨率遥感影像卫片 |
| 3.2 使用适宜时点的卫片 |
| 3.3 使用叠加地理信息后的卫片 |
| 3.4 加强技术培训 |
| 3.5 收集以往图面资料辅助区划判读 |
| 3.6 结合当地技术人员“一对一”判读 |
| 3.7 现场实地判读 |
| 4 结语 |
（8）基于遥感影像分割的小班界线提取研究 ——以广东翁源县九曲水林场为例（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究的目的和意义 |
| 1.2 遥感图像分割技术的国内外研究现状及发展趋势 |
| 1.3 研究内容与目标 |
| 1.4 研究技术路线 |
| 1.5 论文组织结构 |
| 第二章 研究区概况与遥感数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 基本情况 |
| 2.1.2 自然地理概况 |
| 2.1.3 森林资源概况 |
| 2.2 研究区 TM 数据介绍 |
| 2.2.1 TM 卫星简介 |
| 2.2.2 TM 卫星技术参数和传感器波段特征 |
| 2.2.3 本研究用到的资料和专业软件介绍 |
| 2.3 研究区数据预处理 |
| 2.3.1 几何精校正 |
| 2.3.2 大气校正 |
| 2.4 研究区TM 数据分析 |
| 2.4.1 TM 原始波段统计特征 |
| 2.4.3 原始TM 影像数据相关性分析 |
| 2.4.4 主要地物的光谱特征分析 |
| 2.5 TM 影像的增强与变换处理 |
| 2.6 最佳组合波段的选择 |
| 2.7 本章小结 |
| 第三章 矢量中值滤波在林业遥感图像处理中的应用 |
| 3.1 图像预处理方法概述 |
| 3.2 常规预处理方法 |
| 3.2.1 均值滤波 |
| 3.2.2 高斯滤波 |
| 3.2.3 一般中值滤波(Median Filtering) |
| 3.2.4 统计滤波（西格玛(∑) 平滑） |
| 3.2.5 自适应滤波（Adaptive Filter） |
| 3.3 改进矢量中值滤波法介绍 |
| 3.4 矢量中值滤波在遥感图像中的应用 |
| 3.4.1 实验处理方法与评价指标的选择 |
| 3.4.2 实验结果与分析 |
| 3.4.3 结论与讨论 |
| 3.5 本章小结 |
| 第四章 遥感影像分割方法与小班区划 |
| 4.1 常见图像分割方法概述 |
| 4.1.1 基于特征空间的方法 |
| 4.1.2 基于图像空间的方法 |
| 4.1.3 基于新兴理论的方法 |
| 4.1.4 遥感影像分类与分割的标记 |
| 4.2 小班区划 |
| 4.2.1 林班区划 |
| 4.2.2 小班区划 |
| 4.2.3 小班界线的勾绘 |
| 4.3 尺度效应与小班界线提取 |
| 4.3.1 面向对象的分类方法与多尺度分割(Multi-resolution Segmentation) |
| 4.3.2 尺度效应与小班界线的提取 |
| 4.4 遥感图像分割质量评价 |
| 4.4.1 遥感图像分割质量评价 |
| 4.4.2 小班提取效果的评价 |
| 4.5 本章小结 |
| 第五章 融合坡向信息的 KFCM 小班界线提取方法 |
| 5.1 常用聚类图像分割方法 |
| 5.1.1 K-means 算法 |
| 5.1.2 迭代自组织（IsoData）算法 |
| 5.1.3 模糊C 均值聚类（FCM）算法 |
| 5.2 基于核的模糊C 均值聚类（KFCM） |
| 5.2.1 基于核的模糊 C 均值聚类（KFCM）算法 |
| 5.2.2 融合坡向信息的KFCM |
| 5.2.3 典型算法性能比较分析 |
| 5.3 基于 KFCM 图像分割的小班界线提取 |
| 5.3.1 提取流程 |
| 5.3.2 结果评价 |
| 5.4 本章小结 |
| 第六章 基于 DEM 的小班界线提取技术 |
| 6.1 概述 |
| 6.2 实验的处理方法和数据 |
| 6.2.1 等高线的生成 |
| 6.2.2 DEM 的生成和坡向的提取 |
| 6.2.3 图像处理流程和小班界线的生成 |
| 6.3 小班界线提取效果评价 |
| 6.4 本章小结 |
| 第七章 基于沉浸分水岭变换和NORMALIZED CUT 算法的 |
| 7.1 分水岭变换 |
| 7.1.1 简介 |
| 7.1.2 沉浸分水岭变换 |
| 7.1.3 过分割现象的处理与改进 |
| 7.2 使用分水岭变换来分割遥感影像 |
| 7.3 基于图论的图像分割 |
| 7.3.1 基于图论的图像分割简介 |
| 7.3.2 Normalized cut 算法 |
| 7.4 综合沉浸分水岭变换和NORMALIZED CUT 算法的小班界线提取方法 |
| 7.4.1 提取原理 |
| 7.4.2 林班界线的提取 |
| 7.4.3 小班界线的提取 |
| 7.4.4 结果与分析 |
| 7.5 基于沉浸分水岭变换和NORMALIZED CUT 算法的小班界线提取系统 |
| 7.5.1 小班界线提取系统开发的方法 |
| 7.5.2 系统主要功能介绍 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 主要工作和创新点 |
| 8.2 今后研究的展望 |
| 参考文献 |
| 附表1 各波段间的相关系数矩阵 |
| 附件2 主要算法的MATLAB 代码 |
| 详细摘要 |
（9）基于3S技术的哈日图热格国家森林公园森林调查研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 引言 |
| 1 研究背景、选题依据及技术路线 |
| 1.1 研究背景 |
| 1.2 选题依据及研究意义 |
| 1.2.1 新疆森林资源调查现状分析 |
| 1.2.2 哈日图热格国家森林公园在当地生态环境、社会和经济发展中的地位和作用 |
| 1.2.3 哈日图热格国家森林公园森林调查的目的和意义 |
| 1.3 研究内容、方法和技术路线 |
| 1.3.1 哈日图热格国家森林公园森林资源调查指导思想 |
| 1.3.2 调查内容 |
| 1.3.3 研究方法和技术路线 |
| 2 3S 技术在森林资源调查中的应用综述 |
| 2.1 3S 技术基本原理介绍 |
| 2.1.1 GIS 技术 |
| 2.1.2 遥感技术 |
| 2.1.3 GPS 技术 |
| 2.1.4 3S 技术的集成 |
| 2.2 3S 技术在森林资源调查和动态变化监测上的应用状况 |
| 3 研究区概况 |
| 3.1 自然概况 |
| 3.2 社会经济状况 |
| 3.3 森林资源与林业发展现状 |
| 4 本研究的数据选取及处理 |
| 4.1 数据资料的选取 |
| 4.2 数据资料的处理 |
| 5 森林信息提取 |
| 5.1 遥感图像的解译 |
| 5.1.1 选择目视解译的理由 |
| 5.1.2 遥感影象目试判读的原则和方法 |
| 5.1.3 本研究遥感影像目视解译的步骤 |
| 5.2 遥感图像的信息提取和GIS 制图 |
| 5.2.1 电子数据的编制与组织 |
| 5.2.2 森林信息提取 |
| 6 森林调查结果统计与分析 |
| 6.1 统计方法和标准 |
| 6.2 统计结果 |
| 6.3 分析评价 |
| 7 结论与讨论 |
| 7.1 结证 |
| 7.2 研究中存在的一些不足 |
| 7.3 建议及构想 |
| 参考文献 |
| 致谢 |
（10）TM卫片在安徽贵池森林景观资源监测中的实践（论文提纲范文）
| 1 贵池概况 |
| 1.1 自然概况 |
| 1.2 社会经济概况 |
| 2 TM卫片的特点和本研究制图要求 |
| 2.1 TM卫片的特点 |
| 2.2 制图要求 |
| 3 TM卫片在贵池的解译和判读 |
| 3.1 卫片比例尺对判读精度的影响 |
| 3.2 判读步骤及卫片时相对解译精度的影响 |
| 4 贵池TM卫片判读的结果和讨论 |
| 4.1 贵池景观的数量结构特征 |
| 4.2 讨论 |
四、TM卫片在森林资源二类调查中的应用分析（论文参考文献）
- [1]中国森林资源调查:历史、现状与趋势[J]. 李春干,代华兵. 世界林业研究, 2021(06)
- [2]森林资源二类调查关键技术与方法的研究[D]. 温小荣. 南京林业大学, 2017(05)
- [3]谈TM卫片在二类调查中的应用[J]. 白山,姚桂萍,路春玲. 林业勘查设计, 2013(04)
- [4]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(06)
- [5]森林资源二类调查新技术应用、存在主要问题及对策建议[J]. 李爱民. 内蒙古林业调查设计, 2012(01)
- [6]森林资源空间数据集成管理技术的研究与应用[D]. 李玉堂. 东北林业大学, 2011(09)
- [7]卫片在森林资源二类调查中应用探讨[J]. 杜文峰,杨传强,刘献伦,李庆,许玉堂. 山东林业科技, 2011(01)
- [8]基于遥感影像分割的小班界线提取研究 ——以广东翁源县九曲水林场为例[D]. 李卫正. 南京林业大学, 2009(01)
- [9]基于3S技术的哈日图热格国家森林公园森林调查研究[D]. 侯建楠. 新疆师范大学, 2008(10)
- [10]TM卫片在安徽贵池森林景观资源监测中的实践[J]. 王亮,吴泽民,洪安东,余立华. 安徽农学通报, 2007(04)