WorldView-3数据的岩性信息自动提取方法研究

发布时间：2020-11-10 02:10

　　 岩性填图是遥感科学技术在地质学领域的重要应用方面,其关键技术为岩性信息自动提取方法。随着2014年8月13号WorldView-3卫星的成功发射并正式运行,集高空间分辨率和高辐射分辨率于一体的WorldView-3数据给高精度岩性填图带来了新的数据源,理论上具有极大的地质应用潜力,但目前相关研究较少。与此同时,一些先进的分类器组合算法是否适用于该数据的信息识别与分类亟待研究。因此,本文选取新疆坡北地区为研究区,依据WorldView-3数据波谱特征构建随机森林(Random Forests,RF)岩性信息自动提取模型;在此基础上,组合波谱与纹理特征构建语义纹元森林(Semantic Texton Forests,STF)岩性信息自动提取模型;挖掘数据本质特征,综合研究WorldView-3数据的岩性信息自动提取方法。本文主要取得了以下研究成果:(1)基于WorldView-3影像,结合野外调查与区域地质图,通过图像增强技术,完成了研究区目视解译岩性图,是后续样本选取和精度验证的重要参考依据,同时也证明了WorldView-3数据用于区域岩性人机交互目视解译的可行性。(2)根据WorldView-3数据特征与研究区岩性整体分布情况,本文首次构建了RF和STF岩性信息自动提取模型。通过样本数量、决策树数目两方面入手调试RF模型性能;从样本数量、决策树数目、纹元尺寸三方面入手调试STF模型性能,分析影响因子的作用机理,拓展模型泛化能力,使模型达到参数最优,从而完成高精度岩性填图应用。试验结果表明:RF模型分类精度约为87.66%,STF模型分类精度约为90.06%。(3)开展RF和STF模型岩性信息提取结果综合分析发现:RF和STF模型岩性信息提取精度均较高,分类效果较为理想是得益于WorldView-3数据高分辨率的特点以及RF和STF算法对噪声不敏感,分类速度快且稳定,不容易过拟合等优势。相比于RF模型,STF模型的优势主要包括三点:第一,同时捕捉影像光谱特征与纹理信息,分类决策支持信息更充分;第二,独特的分割函数保障了分类精度与速度;第三,分割函数的纹元尺度可根据研究区地质现状选取,更具有普适性。因此STF模型能够更大程度地满足高精度岩性填图需求。
【学位单位】：中国地质大学(北京)
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P627
【部分图文】：

8图 1-1 技术路线图究目标用遥感技术与人工智能分类器，依据数据特征，构建岩性信息自动而实现高精度岩性填图；在此过程中，分析数据特征，探索 Wor否满足地质应用需求；分析分类器性能影响因素与适用情况，旨在，选择并构建适宜的，高效的岩性信息自动提取模型，推动遥感地、定量化发展。

10图 2-1 中国大地构造图，标注了中国主要的克拉通块和造山带研究区在图中用红色图框标注（修改自 Zheng，et al.，2013）1、区域地层研究区位于中亚造山带，罗布泊的东侧，北山裂谷西段。区内出露地层以古生界下石炭统红柳园（C1h）地层和中元古界长城系古硐井岩群（ChG）为主，研究区岩性类别分布情况如图 2-2 所示。

11图 2-2 研究区 1：50000 地质简图（出自“西昆仑成矿带矿产资源遥感综合调查”项目）古生界下石炭统红柳园（C1h）地层主体为浅海相的陆源碎屑岩，夹有碳酸盐岩、火山碎屑岩等，岩性组合自下而上由两部分组成，下部由一套碎屑岩－碳酸盐岩建造组成，上部为火山熔岩－火山碎屑岩－碎屑岩建造。大多经历了韧性剪切变形作用和浅变质作用。中元古界长城系古硐井岩群（ChG）分布在研究区的西北侧，与北山岩群、石炭系地层均为断裂接触，被加里东期和华力西期岩体侵入，为一套中、浅变质岩系。古硐井岩群（ChG）总体上是一套片岩，自下而上也分为两部分，下部岩性主要为黑云石英片岩、二云石英片岩；上部岩性主要为黑云母片岩、黑云石英
【相似文献】

相关期刊论文 前10条

1 陈一诺;董绍华;;基于随机森林算法的管道缺陷预测方法[J];油气储运;年期

2 周佳宁;张洁;李天宏;基于MODIS影像和随机森林算法的河北坝上林地动态监测[J];北京大学学报(自然科学版);年期

3 刘阳;杜华军;岳子涵;马杰;吕武;;基于随机森林的无人机检测方法[J];计算机工程与应用;年期

4 胡蝶;;基于随机森林的债券违约分析[J];当代经济;2018年03期

5 温博文;董文瀚;解武杰;马骏;;基于改进网格搜索算法的随机森林参数优化[J];计算机工程与应用;2018年10期

6 赵艺淞;杨昆;王保云;黎晓路;;随机森林在城市不透水面提取中的应用研究[J];云南师范大学学报(自然科学版);2017年03期

7 吴辰文;梁靖涵;王伟;李长生;;一种顺序响应的随机森林:变量预测和选择[J];小型微型计算机系统;2017年08期

8 顾娟;林敏;鞠桂玲;;基于随机森林回归的军械器材需求预测[J];自动化应用;2017年09期

9 刘迎春;陈梅玲;;流式大数据下随机森林方法及应用[J];西北工业大学学报;2015年06期

10 罗超;;面向高维数据的随机森林算法优化探讨[J];商;2016年04期

相关博士学位论文 前10条

1 王晓军;基于大数据的风洞马赫数集成建模方法的研究[D];东北大学;2016年

2 姚登举;面向医学数据的随机森林特征选择及分类方法研究[D];哈尔滨工程大学;2016年

3 黄玥;VANET信息安全问题及异常检测技术研究[D];吉林大学;2017年

4 倪强;基于随机前沿和随机森林法的沿海开发区发展效率研究[D];天津大学;2011年

5 季斌;内蒙古浩布高地区多金属矿综合信息找矿预测研究[D];合肥工业大学;2017年

6 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

7 金超;基于随机森林的医学影像分割算法研究及应用[D];苏州大学;2017年

8 李宝富;巨厚砾岩层下回采巷道底板冲击地压诱发机理研究[D];河南理工大学;2014年

9 赵东;基于群智能优化的机器学习方法研究及应用[D];吉林大学;2017年

10 孙超;糖尿病肾病中医证候分类预测模型的构建及其识别性能的评估[D];北京中医药大学;2015年

相关硕士学位论文 前10条

1 王伟;基于随机森林方法的沪深300指数涨跌预测研究[D];天津财经大学;2017年

2 申鹏;基于人体生理信号的疲劳驾驶检测方法的研究[D];湖南大学;2017年

3 叶蓓;WorldView-3数据的岩性信息自动提取方法研究[D];中国地质大学(北京);2018年

4 王勇;基于QuickBird影像的城市用地分类方法研究[D];东华理工大学;2017年

5 王雨晨;基于随机森林的上海市PM_(2.5)质量浓度预测研究[D];华东师范大学;2017年

6 刘媛媛;基于整体经验模态分解和随机森林的城市PM2.5预测[D];长春工业大学;2017年

7 杨思琪;随机森林模型在太原市细颗粒物浓度预测中的应用[D];太原理工大学;2017年

8 李磊;随机森林及数据可视化在棉蚜等级预测中的应用研究[D];山东农业大学;2017年

9 陈江鹏;基于最大相关最小冗余朴素贝叶斯分类器的肿瘤分类方法研究[D];重庆医科大学;2017年

10 张军挺;人脸检测及人脸年龄与性别识别方法[D];中国科学技术大学;2017年

本文编号：2877307