3S技術應用案例課件

“3S”技術應用案例132“3S”技術應用案例“3S”技術集成模式“3S”參數的主要特征目的要求初步了解“3S”參數的主要特征，“3S”技術集成模式；理解應用“3S”技術解決實際地學問題的研究思路。重點“3S”技術集成模式“3S”技術的應用難點“3S”技術集成模式RS理論基礎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應用預處理(幾何校正、輻射校正)增強處理(空域增強、頻域增強)分類處理(非監(jiān)督、監(jiān)督分類)數據融合內容回顧植物的光譜曲線可見光波段0.4-0.76μm有一個反射峰值，大約0.55μm(綠)處，兩側0.45μm(藍)和0.67μm(紅)則有兩個吸收帶；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理論基礎地理信息的描述與表達地理信息的組織與管理地理信息分析與應用模型疊置分析緩沖區(qū)分析網絡分析空間統(tǒng)計分析地理信息可視化與虛擬再現內容回顧GNSS理論基礎GNSS的構成衛(wèi)星星座地面監(jiān)控系統(tǒng)信號接收機空間定位與導航GNSS誤差分析GNSS外業(yè)和內業(yè)流程內容回顧1“3S”參數的主要特征“3S”的參數特征2“3S”技術集成模式作為實時、客觀獲取空間信息的新興技術手段，RS和GNSS成為GIS的重要數據來源，而通過GIS對其獲得的數據進行處理和分析，可以提取各種有用信息，以進行決策支持。3S技術為科學研究、政府管理、社會生產提供了新一代的觀測手段、描述語言和思維工具。3S的結合應用，取長補短，是一個自然的發(fā)展趨勢，三者之間的相互作用形成“一個大腦，兩只眼睛”的框架。3S的相互作用與集成RSGNSSGIS幾何配準、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查詢專題信息幾何校正、訓練區(qū)選擇及分類驗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進行相應的空間分析，以從RS和GNSS提供的浩如煙海的數據中提取有用信息，并進行綜合集成，使之成為決策的科學依據。GISneedsRSandGNSSRSneedsGISandGNSS遙感影像幾何校正需要設置哪些參數？如何選擇？控制點數量要多少？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的數據來源GIS作為RS的分析工具—RS與GNSS集成空對地直接定位—GNSS與GIS集成車輛導航與監(jiān)控基于位置的服務—GIS、RS與GNSS集成移動測圖精準農業(yè)RS?GIS:GeographicObject-BasedImageAnalysisUniversityofNottinghamRS?GIS:GeospatialModelingWorkingflowofSILUP(SustainableIntegratedLandUsePlanning)PrototypeofaFCM(FinalClassificationMatrix)基于FCM模型的南京市江寧區(qū)土地利用綜合評價結果GNSS?RS:FieldVerificationPengfengXiao,MaggiKelly,QinghuaGuo,2014.Comparingindividualtreesegmentationbasedonhighresolutionmultispectralimageandlidardata.2014.AmericanGeophysicalUnionFallMeeting.GNSS?RS:FieldVerificationGNSS?GIS:VehicleTrackingSystem(VTS)GNSS?GIS:In-Car/PortableNavigationSystem3“3S”技術應用案例基于Landsat8OLI數據的昆崳山森林生物量反演GIS、RS與GNSS集成案例研究背景數據與方法結果分析結論目錄結果分析結論研究背景數據與方法森林作為陸地生態(tài)系統(tǒng)中最大的碳庫，在減緩大氣CO2濃度升高和全球氣候變暖方面起著關鍵作用。森林生物量是反映森林生態(tài)系統(tǒng)結構和功能以及森林質量的重要指標，是評估森林固碳能力和碳收支的重要參數。在我國，利用遙感技術反演森林生物量的研究已在大尺度區(qū)域廣泛開展，但對中小尺度如具有典型植被特征自然保護區(qū)的研究相對不足。結果分析結論研究背景數據與方法研究區(qū)概況昆崳山自然保護區(qū)地處我國山東半島東部，是山東省第一個森林生態(tài)系統(tǒng)類型的國家級自然保護區(qū)，蘊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，是我國北方地區(qū)植被寶庫之一。結果分析結論研究背景數據與方法GNSSRSGIS集成應用技術路線數據與方法數據時間目的Landsat8OLI2015.9.27土地覆蓋分類遙感建模因子生物量反演底圖DEM—地形因子樣地實測數據2017.4樣地生物量結果分析結論研究背景數據與方法結果分析結論研究背景數據與方法Landsat8OLI影像校正后的影像圖像分割選擇訓練樣本精度評價建立規(guī)則分類對象特征提取最大似然法分類精度評價分類結果對比最大似然法分類向對象分類面向對象分類輔助數據DEM輻射校正幾何精校正RS與GIS集成結果分析結論研究背景數據與方法8個紋理信息變量12個植被指數變量6個圖像信息增強變量特征變量3個地形因子變量6個波段組合變量結果分析結論研究背景數據與方法共采集62個樣方，其中針葉林47個，闊葉林15個。針葉林闊葉林結果分析結論研究背景數據與方法針葉林闊葉林全森林森林生物量最優(yōu)模型選擇結果分析結論研究背景數據與方法模型精度驗證模型相關系數R擬合系數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)實測生物量(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結果分析結論研究背景數據與方法昆崳山森林生物量反演昆崳山保護區(qū)針葉林(a)、闊葉林(b)和全森林(c)生物量統(tǒng)計圖結果分析結論研究背景數據與方法森林生物量模型擬合效果：針葉林>全森林>闊葉林。樣地實測生物量驗證表明，分森林類型的生物量模型精度高于全森林，其中闊葉