基于遥感图像的典型温性草原地表物的分类研究及应用

发布时间：2017-08-19 12:01

  本文关键词：基于遥感图像的典型温性草原地表物的分类研究及应用

  更多相关文章： 典型温性草原 遥感图像 最佳波段组合 地表物分类 分类精度评价

【摘要】：草原是陆地上最大的生态系统,对农业、畜牧业以及在人们的生存和发展有着举足轻重的作用。目前,由于长期超载放牧、人为破坏以及气候等其他因素,我国草地生态退化严重,草产量下降,引发大面积沙尘暴、水土流失等生态环境问题,形势相当严峻。所以,实现对草地动态监测,为相关部门提供准确、完整的科学依据非常重要。遥感图像分类是草地监测中的热点研究内容,通常采用人机交互式的方法对草原生物量进行分类分析。但是,关于不同草地类型地表物的分类方法研究较少。内蒙古地区草地资源丰富,其中典型温性草原是分布较广的草地类型,具有面积大、景观单一、土地利用类型少的特点,本文重点研究适宜此类草地地表物的分类方法,并结合锡林郭勒及呼伦贝尔两大区域的典型温性草原遥感数据进行实验分析,探索适合典型温性草原地表物的分类方法。本文主要内容如下：(1)遥感影像的预处理。以典型温性草原地表物分类为目的对图像进行预处理操作,主要包括影像的条带处理、亮线处理、降噪处理、图像滤波及图像增强等。(2)遥感影像的最佳波段选取。在选取研究区域后按照影像地表物分为草地、林地、耕地、水体、居民用地,充分考虑影像的亮度值及颜色组合,通过计算波段标准差,波段间的相关系数,选取标准差与相关系数相结合的OIF最优波段组合方法将影像7、4、3波段进行RGB假彩色组合。(3)遥感影像的分类处理。本文对比四种方法对典型温性草原进行分类处理,包括非监督分类中的ISODATA分类方法,K-means分类方法以及监督分类中的最小距离分类方法和最大似然分类方法；对分类结果进行分类后处理,包括主要／次要分析、聚类类别、类别合并、设置类别颜色等。(4)分类精度评价及分类结果应用。使用混淆矩阵评价方法对分类结果进行精度评价,并根据分类结果对土地利用情况进行分析。实验结果表明,监督分类中的最大似然分类方法适于典型温性草原遥感图像地表物分类,算法不仅效率高,而且能保证数据处理的精度要求。
【关键词】：典型温性草原 遥感图像 最佳波段组合 地表物分类 分类精度评价
【学位授予单位】：内蒙古农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要3-4
• Abstract4-10
• 1 绪论10-14
• 1.1 选题背景和意义10
• 1.2 遥感图像分类国内外研究现状10-12
• 1.2.1 国外研究现状10-11
• 1.2.2 国内研究现状11-12
• 1.3 本文研究的内容及章节安排12-14
• 2 研究区域概况及图像预处理14-22
• 2.1 研究区域概况14-15
• 2.2 遥感数据及处理软件15-16
• 2.2.1 遥感数据15-16
• 2.2.2 处理软件16
• 2.3 遥感图像预处理16-20
• 2.3.1 去条带处理16-17
• 2.3.2 亮线处理17-18
• 2.3.3 滤波处理18-19
• 2.3.4 彩色增强处理19-20
• 2.4 本章小结20-22
• 3 遥感图像的最佳波段组合22-27
• 3.1 遥感图像波段组合概述22
• 3.2 最佳波段组合方法22-23
• 3.3 波段组合实验23-26
• 3.4 本章小结26-27
• 4 遥感图像分类27-37
• 4.1 遥感图像分类概论27-28
• 4.1.1 分类技术简介27
• 4.1.2 分类的基本流程27
• 4.1.3 分类的基本原理27-28
• 4.2 遥感图像非监督分类28-31
• 4.2.1 K-means分类算法28-30
• 4.2.2 ISODATA分类算法30-31
• 4.2.3 非监督分类的优缺点31
• 4.3 遥感图像监督分类31-34
• 4.3.1 最小距离分类方法32-33
• 4.3.2 最大似然分类方法33-31
• 4.3.3 监督分类的优缺点31-34
• 4.4 遥感图像分类后处理34-36
• 4.4.1 过滤类别34-35
• 4.4.2 主/次要分析35
• 4.4.3 聚类类别35-36
• 4.5 本章小结36-37
• 5 遥感图像分类精度评价及分类结果分析37-45
• 5.1 分类精度评价方法37
• 5.2 分类结果分析37-42
• 5.3 遥感图像分类结果应用42-44
• 5.3.1 遥感技术在土地变化分析中的应用42-43
• 5.3.2 遥感图像分类结果的应用43-44
• 5.4 本章小结44-45
• 6 总结与展望45-46
• 6.1 总结45
• 6.2 展望45-46
• 致谢46-47
• 参考文献47-49
• 附录49-50
• 作者简介50

【参考文献】

中国期刊全文数据库 前10条

1 武文波;刘正纲;;一种基于地物波谱特征的最佳波段组合选取方法[J];测绘工程;2007年06期

2 骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期

3 罗音,舒宁;基于信息量确定遥感图像主要波段的方法[J];城市勘测;2002年04期

4 卫亚星;王莉雯;;遥感图像增强方法分析[J];测绘与空间地理信息;2006年02期

5 张冰;林岚岚;腾鹏飞;;浅谈遥感图像增强的处理[J];防护林科技;2006年02期

6 潘琛;林怡;陈映鹰;;基于多特征的遥感影像决策树分类[J];光电子.激光;2010年05期

7 张韬;吕洪娟;孙美霞;安慧君;;遥感多光谱数据在内蒙古西部湿地监测中最佳波段选取的应用研究——以乌梁素海域为例[J];干旱区资源与环境;2007年04期

8 李石华,王金亮,毕艳,陈姚,朱妙园,杨帅,朱佳;遥感图像分类方法研究综述[J];国土资源遥感;2005年02期

9 朱晓荣;张怀清;;西洞庭湖湿地遥感最佳波段选择研究[J];现代农业科技;2012年15期

10 张雁;吴保国;王冬;;遥感影像分类方法研究动态[J];安徽农业科学;2012年28期

中国博士学位论文全文数据库 前1条

1 陈忠;高分辨率遥感图像分类技术研究[D];中国科学院研究生院（遥感应用研究所）;2006年

中国硕士学位论文全文数据库 前6条

1 王新玉;北京市土地利用遥感信息提取及动态变化研究[D];北京林业大学;2006年

2 杨玉静;遥感影像的计算机分类技术研究[D];昆明理工大学;2006年

3 罗扬帆;基于BP神经网络的遥感影像分类研究[D];北京林业大学;2007年

4 汤晓春;遥感图像增强方法的研究及实现[D];华中科技大学;2008年

5 魏继伟;基于遥感图像的土地利用分类研究[D];东北师范大学;2012年

6 蒋芳;基于MATLAB的遥感图像SVM分类系统实现[D];湖北大学;2012年

，

本文编号：700573