3S技術(shù)應(yīng)用案例課件

“3S”技術(shù)應(yīng)用案例132“3S”技術(shù)應(yīng)用案例“3S”技術(shù)集成模式“3S”參數(shù)的主要特征目的要求初步了解“3S”參數(shù)的主要特征，“3S”技術(shù)集成模式；理解應(yīng)用“3S”技術(shù)解決實(shí)際地學(xué)問(wèn)題的研究思路。重點(diǎn)“3S”技術(shù)集成模式“3S”技術(shù)的應(yīng)用難點(diǎn)“3S”技術(shù)集成模式RS理論基礎(chǔ)電磁波與地物光譜特性植被、土壤、水體、巖石傳感器與地表信息的獲取遙感圖像與地表信息特征圖像處理與技術(shù)應(yīng)用預(yù)處理(幾何校正、輻射校正)增強(qiáng)處理(空域增強(qiáng)、頻域增強(qiáng))分類處理(非監(jiān)督、監(jiān)督分類)數(shù)據(jù)融合內(nèi)容回顧植物的光譜曲線可見(jiàn)光波段0.4-0.76μm有一個(gè)反射峰值，大約0.55μm(綠)處，兩側(cè)0.45μm(藍(lán))和0.67μm(紅)則有兩個(gè)吸收帶；近紅外波段0.7-0.8μm有一反射陡坡，至1.1μm附近有一峰值，形成植被獨(dú)有特征；中紅外波段1.3-2.5μm受植物含水量影響，吸收率大增，反射率大大下降。GIS理論基礎(chǔ)地理信息的描述與表達(dá)地理信息的組織與管理地理信息分析與應(yīng)用模型疊置分析緩沖區(qū)分析網(wǎng)絡(luò)分析空間統(tǒng)計(jì)分析地理信息可視化與虛擬再現(xiàn)內(nèi)容回顧GNSS理論基礎(chǔ)GNSS的構(gòu)成衛(wèi)星星座地面監(jiān)控系統(tǒng)信號(hào)接收機(jī)空間定位與導(dǎo)航GNSS誤差分析GNSS外業(yè)和內(nèi)業(yè)流程內(nèi)容回顧1“3S”參數(shù)的主要特征“3S”的參數(shù)特征2“3S”技術(shù)集成模式作為實(shí)時(shí)、客觀獲取空間信息的新興技術(shù)手段，RS和GNSS成為GIS的重要數(shù)據(jù)來(lái)源，而通過(guò)GIS對(duì)其獲得的數(shù)據(jù)進(jìn)行處理和分析，可以提取各種有用信息，以進(jìn)行決策支持。3S技術(shù)為科學(xué)研究、政府管理、社會(huì)生產(chǎn)提供了新一代的觀測(cè)手段、描述語(yǔ)言和思維工具。3S的結(jié)合應(yīng)用，取長(zhǎng)補(bǔ)短，是一個(gè)自然的發(fā)展趨勢(shì)，三者之間的相互作用形成“一個(gè)大腦，兩只眼睛”的框架。3S的相互作用與集成RSGNSSGIS幾何配準(zhǔn)、輔助分類等提供或更新區(qū)域信息提供或更新空間定位定點(diǎn)查詢專題信息幾何校正、訓(xùn)練區(qū)選擇及分類驗(yàn)證等提供定位遙感信息查詢RS和GNSS向GIS提供或更新區(qū)域信息以及空間定位，GIS進(jìn)行相應(yīng)的空間分析，以從RS和GNSS提供的浩如煙海的數(shù)據(jù)中提取有用信息，并進(jìn)行綜合集成，使之成為決策的科學(xué)依據(jù)。GISneedsRSandGNSSRSneedsGISandGNSS遙感影像幾何校正需要設(shè)置哪些參數(shù)？如何選擇？控制點(diǎn)數(shù)量要多少？如何控制校正精度？1+1+1>3集成的四種模式—GIS與RS集成RS作為GIS的數(shù)據(jù)來(lái)源GIS作為RS的分析工具—RS與GNSS集成空對(duì)地直接定位—GNSS與GIS集成車輛導(dǎo)航與監(jiān)控基于位置的服務(wù)—GIS、RS與GNSS集成移動(dòng)測(cè)圖精準(zhǔn)農(nóng)業(yè)RS?GIS:GeographicObject-BasedImageAnalysisUniversityofNottinghamRS?GIS:GeospatialModelingWorkingflowofSILUP(SustainableIntegratedLandUsePlanning)PrototypeofaFCM(FinalClassificationMatrix)基于FCM模型的南京市江寧區(qū)土地利用綜合評(píng)價(jià)結(jié)果GNSS?RS:FieldVerificationPengfengXiao,MaggiKelly,QinghuaGuo,2014.Comparingindividualtreesegmentationbasedonhighresolutionmultispectralimageandlidardata.2014.AmericanGeophysicalUnionFallMeeting.GNSS?RS:FieldVerificationGNSS?GIS:VehicleTrackingSystem(VTS)GNSS?GIS:In-Car/PortableNavigationSystem3“3S”技術(shù)應(yīng)用案例基于Landsat8OLI數(shù)據(jù)的昆崳山森林生物量反演GIS、RS與GNSS集成案例研究背景數(shù)據(jù)與方法結(jié)果分析結(jié)論目錄結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法森林作為陸地生態(tài)系統(tǒng)中最大的碳庫(kù)，在減緩大氣CO2濃度升高和全球氣候變暖方面起著關(guān)鍵作用。森林生物量是反映森林生態(tài)系統(tǒng)結(jié)構(gòu)和功能以及森林質(zhì)量的重要指標(biāo)，是評(píng)估森林固碳能力和碳收支的重要參數(shù)。在我國(guó)，利用遙感技術(shù)反演森林生物量的研究已在大尺度區(qū)域廣泛開(kāi)展，但對(duì)中小尺度如具有典型植被特征自然保護(hù)區(qū)的研究相對(duì)不足。結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法研究區(qū)概況昆崳山自然保護(hù)區(qū)地處我國(guó)山東半島東部，是山東省第一個(gè)森林生態(tài)系統(tǒng)類型的國(guó)家級(jí)自然保護(hù)區(qū)，蘊(yùn)藏著豐富的植物種類并保存有良好的天然植被，是天然生態(tài)博物館，是我國(guó)北方地區(qū)植被寶庫(kù)之一。結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法GNSSRSGIS集成應(yīng)用技術(shù)路線數(shù)據(jù)與方法數(shù)據(jù)時(shí)間目的Landsat8OLI2015.9.27土地覆蓋分類遙感建模因子生物量反演底圖DEM—地形因子樣地實(shí)測(cè)數(shù)據(jù)2017.4樣地生物量結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法Landsat8OLI影像校正后的影像圖像分割選擇訓(xùn)練樣本精度評(píng)價(jià)建立規(guī)則分類對(duì)象特征提取最大似然法分類精度評(píng)價(jià)分類結(jié)果對(duì)比最大似然法分類向?qū)ο蠓诸惷嫦驅(qū)ο蠓诸愝o助數(shù)據(jù)DEM輻射校正幾何精校正RS與GIS集成結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法8個(gè)紋理信息變量12個(gè)植被指數(shù)變量6個(gè)圖像信息增強(qiáng)變量特征變量3個(gè)地形因子變量6個(gè)波段組合變量結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法共采集62個(gè)樣方，其中針葉林47個(gè)，闊葉林15個(gè)。針葉林闊葉林結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法針葉林闊葉林全森林森林生物量最優(yōu)模型選擇結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法模型精度驗(yàn)證模型相關(guān)系數(shù)R擬合系數(shù)R2F值顯著水平P值針葉林0.740.5514.490.000闊葉林0.580.345.080.048全森林0.620.387.730.000模型模擬生物量(t·hm-2)實(shí)測(cè)生物量(t·hm-2)精度(%)針葉林40.1051.5977.73闊葉林227.26273.7483.02全森林174.29261.4266.67結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法昆崳山森林生物量反演昆崳山保護(hù)區(qū)針葉林(a)、闊葉林(b)和全森林(c)生物量統(tǒng)計(jì)圖結(jié)果分析結(jié)論研究背景數(shù)據(jù)與方法森林生物量模型擬合效果：針葉林>全森林>闊葉林。樣地實(shí)測(cè)生物量驗(yàn)證表明，分森林類型的生物量模型精度高于全森林，其中闊葉