分类号P208密级公开UDC编号硕士研究生学位论文题目基于RS的桉树分布信息提取方法研究学院（所、中心）专业名称研究生姓名学号2012年6月PAGE\*MERGEFORMATVII扉页：独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人或集体已经发表或撰写过的研究成果，对本文的研究做出贡献的集体和个人均已在论文中作了明确的说明并表示了谢意。研究生签名：日期：论文使用和授权说明本人完全了解云南大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交学位论文和论文电子版；允许论文被查阅或借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵循此规定）研究生签名：导师签名：日期：…………………………………………………………………本人及导师同意将学位论文提交至清华大学“中国学术期刊（光盘版）电子杂志社”进行电子和网络出版，并编入CNKI系列数据库，传播本学位论文的全部或部分内容，同意按《中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。研究生签名：导师签名：日期：摘要桉树作为世界上三大速生林之一，因其具有很高的实用价值和经济效益，世界各地大量引种。云南作为桉树种植大省之一，如何科学合理地经营、管理桉树人工林引起了人们的高度重视。做好桉树森林资源调查是一项基础性的工作，而传统的森林资源调查费时、费力。近年来，随着遥感技术的进一步发展，利用遥感影像进行特定的树种信息提取为我们提供了一种有效手段。本文以云南省普洱市西盟县为试验区。采用2009年12月28日中巴卫星遥感影像，结合目前比较流行的决策树方法与传统分类方法对桉树分布信息进行提取对比研究。同时在分析不同地类的光谱、植被指数、主成分变换及纹理特征等信息的基础上，构建了适合研究区特点的分类方法，可较准确地提取桉树分布信息。研究发现，在决策树分类过程中，基于光谱、植被指数、主成分变换和纹理特征的决策树是最佳的分类方法，分类效果最好，总体精度达到80.83%，Kappa系数为0.7549，桉树的生产者精度为86%；该分类方法比基于光谱、植被指数和主成分特征的决策树分类方法总体精度高4.16%，Kappa系数高0.0540，桉树的生产者精度提高3%；该最佳分类方法也比基于光谱特征和植被指数特征的决策树分类方法总体精度高10.00%，Kappa系数高0.1304，桉树的生产者精度提高8%。可见，纹理特征的加入有利于提高桉树分布信息提取的精度。与传统非监督分类的ISODATA法和监督分类的最大似然法相比，该最佳分类方法比非监督分类的IS0DATA法总体精度高35.20%，Kappa系数高0.4506，桉树的生产者精度提高44%；同时也比监督分类的最大似然法总体精度高20.62%，Kappa系数高0.2625，桉树的生产者精度提高28%；决策树分类方法由于充分利用了各地类的光谱、植被指数、主成分变换、纹理等特征信息，提高了分类精度。本论文研究初步形成了一套基于决策树的桉树分布信息资源自动提取的方法与技术。关键词：桉树；遥感；纹理；决策树分类；信息提取AbstractTheeucalyptusisoneofthethreefast-growingforestsintheworld.Becauseofitshighpracticalvalueandeconomicbenefits,itisintroducedbyalargenumberofpartsintheworld.Yunnanisoneofthelargestprovincesofplantingeucalyptus,andhowtoscientificallyandreasonablyoperateandmanageforeucalyptusplantationshasattractedmuchattentionforpeople.Makingeucalyptusforestresourcessurveyisabasicwork,butthetraditionalforestresourcessurveyistime-consumingandlaborious.Inrecentyears,withthefurtherdevelopmentofremotesensingtechnology,ithasbecomeonepossibilitybyuseofremotesensingimagesforspecificspeciesinformationextracti