📄Работа №36665
Тема: Автоматизированная интерпретация ДДЗЗ спутника Sentinel-2 для оценки лесотаксационных показателей
Тип работы
Дипломные работы, ВКР
Предмет
экология и природопользование
Объем:
67 листов
Год:
2019
Просмотров:
293
0
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 4
Глава 1. ИСПОЛЬЗОВАНИЕ ДДЗЗ ПРИ ИЗУЧЕНИИ РАСТИТЕЛЬНОГО ПОКРОВА
1.1 Основные задачи, решаемые с помощью ДДЗЗ 6
1.2 Наземные методы изучения лесного покрова 1.3 Характеристики ДДЗЗ
1.4 Спутники семействе Sentinel
1.4.1 Программа Copernicus 11
1.5 Дешифрирование космических снимков 16
1.5.1 Автоматизированное дешифрирование. Топографические
отображения 17
1.5.2 Generative Topographic Mapping (GTM) . 19
1.53 Спектральная отражательная способность растительного покрова 21
1.5.4 Фенологическая изменчивость растительного покрова 22
1.6 Опыт изучения растительного покрова по данным Sentinel-2 23
Глава 2. ТЕРРИТОРИЯ ИССЛЕДОВАНИЯ И ИСХОДНЫЕ МАТЕРИАЛЫ 26
2.1 Характеристика Саралинекого участка ВКГЕПЗ 26
2.1.1 Рельеф. В рельефе™ „27
2.1.2 Климат
2.2 Лесотаксационные данные 28
2.3. Подбор материалов космической съемки 29
2.4. Программное обеспечение 30
Глава 3. РЕЗУЛЬТАТЫ РАБОТЫ 32
3.1 Геометрическая коррекция векторной карты лесотаксационных выделов
3.2 Атмосферная коррекция ДДЗЗ . 33
3.3 Создание обучающей выборки 37
3.4 Построение н анализ спектральных кривых 39
3.5. Построение классов спектральных яркостей по ДДЗЗ Sentinel-2 с помощью метода GTM.......
3.6 Построение моделей регрессии составе древостоя на яркостные свойства снимков территории
3.7. Оценка качества дешифрирования лесотаксационных показателей 47
Выводы 54
Список литературы 55
Приложения 59
Глава 1. ИСПОЛЬЗОВАНИЕ ДДЗЗ ПРИ ИЗУЧЕНИИ РАСТИТЕЛЬНОГО ПОКРОВА
1.1 Основные задачи, решаемые с помощью ДДЗЗ 6
1.2 Наземные методы изучения лесного покрова 1.3 Характеристики ДДЗЗ
1.4 Спутники семействе Sentinel
1.4.1 Программа Copernicus 11
1.5 Дешифрирование космических снимков 16
1.5.1 Автоматизированное дешифрирование. Топографические
отображения 17
1.5.2 Generative Topographic Mapping (GTM) . 19
1.53 Спектральная отражательная способность растительного покрова 21
1.5.4 Фенологическая изменчивость растительного покрова 22
1.6 Опыт изучения растительного покрова по данным Sentinel-2 23
Глава 2. ТЕРРИТОРИЯ ИССЛЕДОВАНИЯ И ИСХОДНЫЕ МАТЕРИАЛЫ 26
2.1 Характеристика Саралинекого участка ВКГЕПЗ 26
2.1.1 Рельеф. В рельефе™ „27
2.1.2 Климат
2.2 Лесотаксационные данные 28
2.3. Подбор материалов космической съемки 29
2.4. Программное обеспечение 30
Глава 3. РЕЗУЛЬТАТЫ РАБОТЫ 32
3.1 Геометрическая коррекция векторной карты лесотаксационных выделов
3.2 Атмосферная коррекция ДДЗЗ . 33
3.3 Создание обучающей выборки 37
3.4 Построение н анализ спектральных кривых 39
3.5. Построение классов спектральных яркостей по ДДЗЗ Sentinel-2 с помощью метода GTM.......
3.6 Построение моделей регрессии составе древостоя на яркостные свойства снимков территории
3.7. Оценка качества дешифрирования лесотаксационных показателей 47
Выводы 54
Список литературы 55
Приложения 59
📖 Введение
Леса являются неотъемлемой частью биосферы, играют важную роль в поддержании экологического баланса, представляют интерес как экономический и социальный ресурс. Изменение лесного покрова вызывают обеспокоенность мирового масштаба, ведь лесные массивы играют важную рай в круговороте углерода f 13). Чрезмерное использование лесных ресурсов привело к истощению лесов, а. следовательно, к деградации почв, эрозии, ухудшению гидрологического режима рек, потере мест обитания многих видов животных и исчезновению биотопов 116, 371. Поэтому сегодня постоянный мониторинг изменений лесною покрова является актуальной задачей, а вопрос его реализации остро стоит перед исследователями.
Палевой метод инвентаризации лесов нс позволяет получать данные с отдаленных и труднодоступных территорий, с его помощью нельзя оценить истинные запасы древостоя и оперативно выявлять нарушения лесного покрова, вырубки |4|. Для оптимизации процесса инвентаризации лесов применяют станционного зондирования Земли (ДЦЗЗ). Дешифрирование космических снимков позволяет классифицировать леса вплоть до породного состава |10,19,24|. Также появляется возможность уточнить и дополнить уже имеющиеся данные по характеристикам лесного покрова, выявить темпы, облесении. Данные, полученные другими методами зондирования (аэрофотосъемка), нс сравнятся с космическими снимками по ряду характеристик: оперативность, регулярность, масштаб. ДДЗЗ уступают лишь в точности, которая ограничена пространственным разрешением снимков. На сегодня пространственным разрешением в открытом доступе обладают снимки, полученные со спутников семейства Sentinel. Их появление послужило толчком к активному использованию этих данных при решении задач изучения лесных биогеоценозов. Спутниковые данные Seminel-2 обладают большим потенциалом для улучшения классификации типов леса в средних и крупных
Целью дипломной работы является исследование возможностей автоматизированного распознавания породного состава лесных сообществ по спутниковым данным Sentinel-2 на примере Саралинского участка Волжско- Камского государственного природного биосферного заповедника (ВКГТ1БЗ). Задачи:
1. Анализ базы лесотаксационных данных Саралинского участка ВКГПБЗ. ['со метрическая коррекция карты таксационных выл слов.
2. Получение и предварительная обработка ДДЗЗ Scntind-2.
3. Анализ спектральной отражательной способности древесных пород.
4. Построение моделей непараметрической регрессии состава древостоя на яркостные свойства снимков территории.
5. Оценка качества дешифрирования лесных пород на заданной территории.
Палевой метод инвентаризации лесов нс позволяет получать данные с отдаленных и труднодоступных территорий, с его помощью нельзя оценить истинные запасы древостоя и оперативно выявлять нарушения лесного покрова, вырубки |4|. Для оптимизации процесса инвентаризации лесов применяют станционного зондирования Земли (ДЦЗЗ). Дешифрирование космических снимков позволяет классифицировать леса вплоть до породного состава |10,19,24|. Также появляется возможность уточнить и дополнить уже имеющиеся данные по характеристикам лесного покрова, выявить темпы, облесении. Данные, полученные другими методами зондирования (аэрофотосъемка), нс сравнятся с космическими снимками по ряду характеристик: оперативность, регулярность, масштаб. ДДЗЗ уступают лишь в точности, которая ограничена пространственным разрешением снимков. На сегодня пространственным разрешением в открытом доступе обладают снимки, полученные со спутников семейства Sentinel. Их появление послужило толчком к активному использованию этих данных при решении задач изучения лесных биогеоценозов. Спутниковые данные Seminel-2 обладают большим потенциалом для улучшения классификации типов леса в средних и крупных
Целью дипломной работы является исследование возможностей автоматизированного распознавания породного состава лесных сообществ по спутниковым данным Sentinel-2 на примере Саралинского участка Волжско- Камского государственного природного биосферного заповедника (ВКГТ1БЗ). Задачи:
1. Анализ базы лесотаксационных данных Саралинского участка ВКГПБЗ. ['со метрическая коррекция карты таксационных выл слов.
2. Получение и предварительная обработка ДДЗЗ Scntind-2.
3. Анализ спектральной отражательной способности древесных пород.
4. Построение моделей непараметрической регрессии состава древостоя на яркостные свойства снимков территории.
5. Оценка качества дешифрирования лесных пород на заданной территории.
✅ Заключение
В результате проделанной работы:
1. На основе анализа спектральных кривых различных древесных пород определены спектральные диапазоны, где имеют место наибольшие отлична между коэффициентами отражения хвойных (сосна) и лиственных (береза, липа, осина, дуб) пород для разных фенологических дат вегетационного периода.
2. Проведена автоматизированная классификация шести атмосферно скорректированных снимков Sentinel-2 за разные даты вегетационного периода 2018 года, а также по комплексу всех 6-ти снимков (60 каналов) с использованием метода генеративною топографического отображения (GTM).
3. На основе построенной регрессионной модели спектральных классов на тематические классы выполнено автоматизированное дешифрирование основных лесных формаций Саралинского участка ВКП1БЗ: сосняков, березняков, липняков, осинников, дубрав. Получены модели долей присутствия основных древесных пород на таксационных выделах.
4. Проведена оценка соответствия результатов дешифрирования данным лесотаксационных описаний. Высокие значения корреляции таксационных и модельных долей пород на выделах, а также рассчитанные ошибки прогноза свидетельствуют об относительно высокой точности автоматизированного дешифрирования лесных пород и прогнозирования видового состава деревьев на нылслах по данным Sentinel-2.
5. Результаты проведенного исследования позволяют сказать, что ДДЗЗ Sentinel-2 могут быть использованы при решении задач инвентаризации лесов.
1. На основе анализа спектральных кривых различных древесных пород определены спектральные диапазоны, где имеют место наибольшие отлична между коэффициентами отражения хвойных (сосна) и лиственных (береза, липа, осина, дуб) пород для разных фенологических дат вегетационного периода.
2. Проведена автоматизированная классификация шести атмосферно скорректированных снимков Sentinel-2 за разные даты вегетационного периода 2018 года, а также по комплексу всех 6-ти снимков (60 каналов) с использованием метода генеративною топографического отображения (GTM).
3. На основе построенной регрессионной модели спектральных классов на тематические классы выполнено автоматизированное дешифрирование основных лесных формаций Саралинского участка ВКП1БЗ: сосняков, березняков, липняков, осинников, дубрав. Получены модели долей присутствия основных древесных пород на таксационных выделах.
4. Проведена оценка соответствия результатов дешифрирования данным лесотаксационных описаний. Высокие значения корреляции таксационных и модельных долей пород на выделах, а также рассчитанные ошибки прогноза свидетельствуют об относительно высокой точности автоматизированного дешифрирования лесных пород и прогнозирования видового состава деревьев на нылслах по данным Sentinel-2.
5. Результаты проведенного исследования позволяют сказать, что ДДЗЗ Sentinel-2 могут быть использованы при решении задач инвентаризации лесов.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.