基于影像分区与面向对象的老挝北部土地覆被分类研究
发布时间：2021-02-01 18:21
土地覆被变化（LUCC）是当前全球气候变化研究的核心内容之一,是国土资源管理工作重要基础数据,了解土地覆被现状和变化是制定区域发展规划重要内容。我国现在拥有的境外高精度地理信息几乎是空白,发达国家对我国实行技术和信息封锁。虽然高分系列卫星影像被广泛应用于国内资源环境方面,但在境外使用较少,如何充分挖掘高分数据的应用潜力,多方位地发挥相关遥感数据的巨大作用,是我国科研人员亟待思考的问题。因此,本文以高分一号（GF1）卫星影像作为主要数据源,对老挝北部土地覆被分类做了初步研究,取得如下进展:1、利用地形起伏度的影像分区。老挝北部地形较为复杂,山地和平原的土地覆被分类精度必然受到地形影响。本文利用DEM计算地形起伏度,并以此为依据,对GF1影像分区,对山地和平原区域分别进行分类,结果表明基于影像分区的方法精度较高,能够精细的反映土地覆被信息,为后续研究工作提供相对准确的数据。2、面向对象方法分类。通过经典的KNN和Bayes方法对山地和平原分别进行分类,实验表明,KNN和Bayes方法均适用于该区域,Kappa系数均高于0.85,但Bayes方法精度更高。与基于像元的最大似然法（MLC）、I...
【文章来源】：福建师范大学福建省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２．１老挝北部研究区地理位置??Ｆｉｇ２．１?Ｌｏｃａｔｉｏｎ?ｏｆ?ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??
其余类别为一级类。在具体实验过程中，根据影像识别地物的能力，在一??级类型基础上，丰富部分二级类。初步拟定的资源环境要素分类体系如表２．５所示，??相应解译标志如图２．２所示。??－１６－??
证样本的准确性，利用ＭＯＤＩＳＮＤＶＩ时序数据，根据植被生长季的不同物候特征，??对应ＮＤＶＩ的范围：林地为０．６以上，耕地为０．４？０．６等，对每个样本点的属性进行??再次的检查和核对，删除、增减或合并部分样本点。图２．３为部分区域最终的训练??样本空间分布图。??ｗｍｉ?ｍ＇ｒｔｒｒ??老挝北练山地训练样本空间分布阁?Ｎ?老挝北部ｆ？拟训练样本空间分布阁?Ｎ??Ｍ?Ａ?Ａ??謂?：，??％?Ｄ?；?苫參＂??ｒ＿?．二？?’２?，择，??、觀??０?２０?４０?６０?６０?０?１０?２０?３０?？？〇??????ｕｒｖｒｔ?ｉ？？－ｍ?ｕｖｏｎｒｔ??（ａ）山地?（ｂ）平原??图２．３训练样本空间分布图??Ｆｉｇ２．３?Ｓｐａｔｉａｌ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｔｒａｉｎｉｎｇ?ｓａｍｐｌｅｓ??选择样本后，计算各类别样本的光谱特征信息，检查训练样本的典型性，评价??样本好坏。常用的统计指标为Ｊ－Ｍ距离（Ｊｅｆｆｒｉｅｓ－Ｍａｔｕｓｉｔａ）和转换分离度（Ｔｒａｎｓｆｏｒｍｅｄ??Ｄｉｖｅｒｇｅｎｃｅ），参数范围为０－２。通常，两种指标的参数范围大于１．９时，认为样本??间可分离性较好，合适；可分离度＞１．８则可认为合格；小于１．８，则需样本进行编??辑或重新选择；小于１时
【参考文献】：
期刊论文
[1]青藏高原深切割区GF-1土地利用分类精度研究[J]. 孙小飞,刘智,范敏,韩磊. 地理空间信息. 2017(10)
[2]基于RS和GIS的深圳市土地利用/覆被变化及碳效应分析[J]. 裴杰,王力,柴子为,扶卿华,牛铮. 水土保持研究. 2017(03)
[3]江西省都昌县山地与平原植被界线提取[J]. 齐文娟,杨晓梅. 地球信息科学学报. 2017(04)
[4]GF-1影像和OLI影像协同土地利用模糊分类方法研究[J]. 张翠芬,帅爽,郝利娜,刘晰. 地球信息科学学报. 2017(01)
[5]SVM和ANN在多光谱遥感影像分类中的比较研究[J]. 李颖,李耀辉,王金鑫,张成才. 海洋测绘. 2016(05)
[6]混合像元分解技术及其进展[J]. 陈晋,马磊,陈学泓,饶玉晗. 遥感学报. 2016(05)
[7]基于土地利用/覆被变化表征的现代绿洲演变过程——以天山北坡三工河流域为例[J]. 张琪,罗格平,李龙辉,张苗,吕娜娜,王新新. 地理学报. 2016(07)
[8]基于GIS的岷江上游流域土地利用/覆被变化研究[J]. 李茂娇,杨斌,詹金凤,高桂胜,王世举. 测绘工程. 2016(06)
[9]高空间分辨率遥感影像分割尺度参数自动选择研究[J]. 王志华,孟樊,杨晓梅,杨丰硕,方豫. 地球信息科学学报. 2016(05)
[10]基于高分一号影像的土地覆被分类方法初探[J]. 陈文倩,丁建丽,王娇,袁泽,李相,黄帅. 干旱区地理. 2016(01)
博士论文
[1]基于GF-1/WFV和面向对象的农作物种植结构提取方法研究[D]. 宋茜.中国农业科学院 2016
[2]地学知识辅助遥感进行山地丘陵区基于系统分类标准的土壤自动分类方法研究[D]. 罗红霞.武汉大学 2005
[3]中国土地覆盖变化与环境影响遥感研究[D]. 延昊.中国科学院研究生院（遥感应用研究所） 2002
硕士论文
[1]老挝丰塞县土地利用/土地覆盖遥感调查[D]. OUNTHONE INTHAVIXAY.华东师范大学 2017
[2]遥感影像分类结果的空间抽样精度检验方法研究[D]. 陈珂.上海海洋大学 2016
[3]基于国产GF-1的高寒山区土地利用/覆盖分类研究[D]. 刘丽雅.浙江大学 2016
[4]青岛市土地利用/覆被变化（LUCC）分析及预测研究[D]. 邢容容.中国海洋大学 2014
[5]基于多端元光谱混合分解的高分辨率影像城市亚像元分类[D]. 张娇.华东师范大学 2014
[6]基于面向对象与集成学习的遥感影像分类方法研究[D]. 邵龙.中国地质大学（北京） 2013
本文编号：3013222
【文章来源】：福建师范大学福建省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２．１老挝北部研究区地理位置??Ｆｉｇ２．１?Ｌｏｃａｔｉｏｎ?ｏｆ?ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??
其余类别为一级类。在具体实验过程中，根据影像识别地物的能力，在一??级类型基础上，丰富部分二级类。初步拟定的资源环境要素分类体系如表２．５所示，??相应解译标志如图２．２所示。??－１６－??
证样本的准确性，利用ＭＯＤＩＳＮＤＶＩ时序数据，根据植被生长季的不同物候特征，??对应ＮＤＶＩ的范围：林地为０．６以上，耕地为０．４？０．６等，对每个样本点的属性进行??再次的检查和核对，删除、增减或合并部分样本点。图２．３为部分区域最终的训练??样本空间分布图。??ｗｍｉ?ｍ＇ｒｔｒｒ??老挝北练山地训练样本空间分布阁?Ｎ?老挝北部ｆ？拟训练样本空间分布阁?Ｎ??Ｍ?Ａ?Ａ??謂?：，??％?Ｄ?；?苫參＂??ｒ＿?．二？?’２?，择，??、觀??０?２０?４０?６０?６０?０?１０?２０?３０?？？〇??????ｕｒｖｒｔ?ｉ？？－ｍ?ｕｖｏｎｒｔ??（ａ）山地?（ｂ）平原??图２．３训练样本空间分布图??Ｆｉｇ２．３?Ｓｐａｔｉａｌ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｔｒａｉｎｉｎｇ?ｓａｍｐｌｅｓ??选择样本后，计算各类别样本的光谱特征信息，检查训练样本的典型性，评价??样本好坏。常用的统计指标为Ｊ－Ｍ距离（Ｊｅｆｆｒｉｅｓ－Ｍａｔｕｓｉｔａ）和转换分离度（Ｔｒａｎｓｆｏｒｍｅｄ??Ｄｉｖｅｒｇｅｎｃｅ），参数范围为０－２。通常，两种指标的参数范围大于１．９时，认为样本??间可分离性较好，合适；可分离度＞１．８则可认为合格；小于１．８，则需样本进行编??辑或重新选择；小于１时
【参考文献】：
期刊论文
[1]青藏高原深切割区GF-1土地利用分类精度研究[J]. 孙小飞,刘智,范敏,韩磊. 地理空间信息. 2017(10)
[2]基于RS和GIS的深圳市土地利用/覆被变化及碳效应分析[J]. 裴杰,王力,柴子为,扶卿华,牛铮. 水土保持研究. 2017(03)
[3]江西省都昌县山地与平原植被界线提取[J]. 齐文娟,杨晓梅. 地球信息科学学报. 2017(04)
[4]GF-1影像和OLI影像协同土地利用模糊分类方法研究[J]. 张翠芬,帅爽,郝利娜,刘晰. 地球信息科学学报. 2017(01)
[5]SVM和ANN在多光谱遥感影像分类中的比较研究[J]. 李颖,李耀辉,王金鑫,张成才. 海洋测绘. 2016(05)
[6]混合像元分解技术及其进展[J]. 陈晋,马磊,陈学泓,饶玉晗. 遥感学报. 2016(05)
[7]基于土地利用/覆被变化表征的现代绿洲演变过程——以天山北坡三工河流域为例[J]. 张琪,罗格平,李龙辉,张苗,吕娜娜,王新新. 地理学报. 2016(07)
[8]基于GIS的岷江上游流域土地利用/覆被变化研究[J]. 李茂娇,杨斌,詹金凤,高桂胜,王世举. 测绘工程. 2016(06)
[9]高空间分辨率遥感影像分割尺度参数自动选择研究[J]. 王志华,孟樊,杨晓梅,杨丰硕,方豫. 地球信息科学学报. 2016(05)
[10]基于高分一号影像的土地覆被分类方法初探[J]. 陈文倩,丁建丽,王娇,袁泽,李相,黄帅. 干旱区地理. 2016(01)
博士论文
[1]基于GF-1/WFV和面向对象的农作物种植结构提取方法研究[D]. 宋茜.中国农业科学院 2016
[2]地学知识辅助遥感进行山地丘陵区基于系统分类标准的土壤自动分类方法研究[D]. 罗红霞.武汉大学 2005
[3]中国土地覆盖变化与环境影响遥感研究[D]. 延昊.中国科学院研究生院（遥感应用研究所） 2002
硕士论文
[1]老挝丰塞县土地利用/土地覆盖遥感调查[D]. OUNTHONE INTHAVIXAY.华东师范大学 2017
[2]遥感影像分类结果的空间抽样精度检验方法研究[D]. 陈珂.上海海洋大学 2016
[3]基于国产GF-1的高寒山区土地利用/覆盖分类研究[D]. 刘丽雅.浙江大学 2016
[4]青岛市土地利用/覆被变化（LUCC）分析及预测研究[D]. 邢容容.中国海洋大学 2014
[5]基于多端元光谱混合分解的高分辨率影像城市亚像元分类[D]. 张娇.华东师范大学 2014
[6]基于面向对象与集成学习的遥感影像分类方法研究[D]. 邵龙.中国地质大学（北京） 2013
本文编号：3013222
本文链接：https://www.wllwen.com/jingjilunwen/nongyejingjilunwen/3013222.html
