基于RFC的地表覆盖信息提取方法研究

发布时间：2017-12-12 13:10

  本文关键词：基于RFC的地表覆盖信息提取方法研究

  更多相关文章： Landsat 长时序遥感数据 地表覆盖 RFC 分类特征扩展

【摘要】：有效、实时地获取真实、准确的地表覆盖数据,可为全球变化和土地覆盖变化监测、可持续发展评价及气候模型、生态模型的建立等研究提供重要参数。目前全球或全国范围内土地覆盖的遥感自动监测主要以低分辨率遥感数据为主(300m-1km),而这些产品存在空间分辨率低、时间跨度短、且各产品之间存在较大的系统差异。而利用中高分辨率卫星数据(例如Landsat数据)进行地表覆盖监测,还存在依赖目视解译或人工交互的问题,产品的生产周期长、效率低,自动化程度不够,中高分辨率地表覆盖产品的自动生产和动态更新是目前遥感研究的热点和难点问题之一。论文在研究中高分辨率卫星数据分类特征选择及分类器的基础上,分别以武汉城市群的土地覆盖和大兴安岭地区森林覆盖专题信息提取为例,研究地表覆盖的遥感自动监测方法。首先,论文研究了卫星影像分类特征选择及RF(Random Forest)决策树分类器,总结了光谱特征、纹理特征和地形特征等用于影像分类的特点和处理方法;其次,以已有土地覆盖遥感产品为训练区样本,研究建立了研究区不同土地覆盖类型的光谱特征、时相特征和纹理特征的RFC(Random Forest Classifier)模型,发展基于RFC的大区域土地覆盖分类方法并得到了武汉城市群的土地覆盖分类结果;再次,以已有森林覆盖遥感产品为基础,研究建立了研究区森林覆盖专题信息的光谱特征和纹理特征的RFC模型,发展基于时空扩展的森林覆盖专题信息提取方法;最后,基于本文提出的时空扩展的森林覆盖信息提取方法,论文得到了大兴安岭地区2000-2015年,5年为间隔,共4期森林覆盖数据,并进行了大兴安岭地区森林覆盖时空变化分析。论文的主要研究结果包括以下几个方面:1.卫星影像分类特征选择及分类器。论文研究了用于分类特征提取的光谱特征、时相特征、纹理特征和地形特征,提出了基于多特征选择的分类方法,并利用RF机器学习算法,进行特征汇聚、特征分析和多特征有效降维。2.基于RFC的大区域土地覆盖分类研究。论文在研究大区域土地覆盖分类特征的基础上,首先进行了基于景的RFC土地覆盖分类试验,在此基础上,发展了基于区域范围的RFC模型,利用RFC模型进行基于武汉城市群的Landsat土地覆盖自动分类,结果显示,利用RF决策树算法可以有效地进行大区域的土地覆盖自动分类,分类结果的总体精度在80%左右。3.基于时空扩展的森林覆盖专题信息提取。论文首先利用长时序Landsat数据进行基于分类特征时间扩展的森林覆盖信息提取研究,结果表明,分类特征和Landsat影像数据之间的物候差异会引起分类误差,当DOY(Day of Year)小于31时,总体精度为80.18%到90.23%之间;同时论文利用临近景的Landsat数据进行基于分类特征空间扩展的森林覆盖信息提取研究,结果表明,在限定的区域范围内,具有相似地物类型的Landsat影像总体分类精度保持在83.96%和90.43%之间。4.大兴安岭地区森林覆盖时空变化分析研究。基于论文提出的时空扩展的森林覆盖信息提取方法,本文获得了大兴安岭地区2000-2015年,每5年为间隔,共四期森林覆盖产品数据,分析了大兴安岭地区森林覆盖时空变化。结果表明,从2000年到2005年,大兴安岭地区森林覆盖先是有微弱减少,然后从2005年到2015年,森林覆盖面积增长迅速,这与大兴安岭地区统计年鉴数据总体趋势基本一致。此外,论文分析了引起大兴安岭地区森林覆盖变化的驱动力因素,主要包括经济因素、政策因素和自然因素。
【学位授予单位】：中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】：博士
【学位授予年份】：2017
【分类号】：P237

【相似文献】

中国期刊全文数据库 前10条

1 薛宝;全球土地覆盖分类系统国际培训与研讨会在我校举行[J];北京师范大学学报(自然科学版);2005年03期

2 蔡红艳;张树文;张宇博;;全球环境变化视角下的土地覆盖分类系统研究综述[J];遥感技术与应用;2010年01期

3 王树根;非洲大陆土地覆盖分类工程剖析[J];测绘信息与工程;1998年03期

4 宫攀;陈仲新;唐华俊;张凤荣;;土地覆盖分类系统研究进展[J];中国农业资源与区划;2006年02期

5 韩敏,程磊,唐晓亮,王教河;向海自然保护区土地覆盖分类研究[J];应用生态学报;2005年02期

6 赫英明;王汉杰;张洪峰;;遥感数据的土地覆盖分类[J];解放军理工大学学报(自然科学版);2011年03期

7 赵建辉;薛萍;高树孔;;基于1∶50000西部无图区土地覆盖分类应用研究[J];测绘与空间地理信息;2012年01期

8 孙丹峰,汲长远,林培;自组织网络在遥感土地覆盖分类中应用研究[J];遥感学报;1999年02期

9 冉有华;李新;卢玲;;基于多源数据融合方法的中国1km土地覆盖分类制图[J];地球科学进展;2009年02期

10 张滔;张友静;谢丽军;;结合丰度特征的决策树及其土地覆盖分类[J];遥感信息;2010年05期

中国重要会议论文全文数据库 前5条

1 李耀辉;韩涛;;基于EOS/MODIS资料的中国黄土高原西部土地覆盖分类研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

2 郭健;张继贤;张永红;曹银璇;;多时相MODIS影像土地覆盖分类比较研究[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

3 孙丹峰;;自组织网络与模糊规则结合在遥感土地覆盖分类中的应用研究[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

4 何彬方;范伟;刘慧敏;冯妍;;基于MODIS数据的安徽省土地覆盖分类研究[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

5 刘爱霞;王静;刘正军;;基于MODIS数据的北京西北部地区土地资源监测研究[A];2006年中国土地学会学术年会论文集[C];2006年

中国博士学位论文全文数据库 前2条

1 张晓美;基于RFC的地表覆盖信息提取方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

2 骆成凤;中国土地覆盖分类与变化监测遥感研究[D];中国科学院研究生院（遥感应用研究所）;2005年

中国硕士学位论文全文数据库 前10条

1 邓钰;基于MODIS数据的云南省土地覆盖分类研究[D];云南师范大学;2015年

2 杨靖;全极化SAR数据土地覆盖分类能力评价[D];贵州师范大学;2015年

3 孙佳梅;大场景高分辨率PolSAR图象土地覆盖分类方法研究[D];哈尔滨工业大学;2016年

4 郝莹莹;基于气候分区的全球土地覆盖分类方法[D];重庆邮电大学;2016年

5 邵聪颖;遥感影像土地覆盖分类地理本体构建研究[D];江苏师范大学;2017年

6 杨玉霞;基于智能算法的土地覆盖分类研究[D];内蒙古师范大学;2012年

7 吴俊杰;基于MODIS植被指数时序数据的东北亚地区土地覆盖分类[D];东北师范大学;2010年

8 李思慧;基于MODIS的蒙东地区土地覆盖分类及退耕还林还草变化监测研究[D];东北师范大学;2010年

9 李怀霄;基于模型聚类和SVM的土地覆盖分类研究[D];陕西师范大学;2014年

10 徐康;基于FY-3A MERSI资料的中国区域土地覆盖分类研究[D];南京信息工程大学;2014年

，

本文编号：1282604