高分辨率遥感影像土地利用信息提取技术研究

发布时间：2020-10-26 06:37

　　 近些年来随着高分辨率遥感影像变得更加普及且数据获取更加方便,其清晰的形状、丰富的纹理等特征优势,使其在地质、环保、农业、林业、水文、气象等领域被广泛地应用。传统的基于像素的分类技术在高分辨率遥感信息提取中精度不高,无法更加准确的提取高分辨率遥感影像上的地物信息,而面向对象的影像分类技术在高分辨率遥感影像中具有更高的分类精度而被普遍应用。本文以天津市蓟县水土流失监测中土地利用信息提取为例,基于国产GF-1高分辨率影像数据及其它辅助数据,重点研究两点来提高研究区地物信息提取的自动化程度和分类精度。首先是影像的分割,针对高分辨率遥感影像具备地物多种尺度分布的统一性与复杂性,无法简单的用单一的尺度来高精度的提取所有的地物类型~([1]),本文通过最大面积法和影像特征分析法分别从定量和定性两个角度确定最优分割尺度并构建多尺度分割等级网,最终确定三个尺度层Level 60、Level 85、Level 120分别作为相应地物类型的适宜提取尺度;其次是影像的分类,为了建立与现实匹配的分类规则,本研究在专家知识的支持下,通过数字高程模型(DEM)、坡度、多元多时相数据的辅助,首先开展主要类型的划分,再使用SEaTH算法选择最佳特征及阈值分别对对各个综合类下的地类进行细分;最终实现整个研究区土地覆被信息的提取。实验精度评定表明:总分类精度为90.17%,Kappa系数是0.89,表明基于专家知识和SEaTH算法构建的土地覆盖分类方法的可靠性。分类结果为蓟县水土保持监测提供了精准的数据支持。
【学位单位】：西安科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P237
【部分图文】：

2 面向对象的高分辨率影像信息提取技术当 (|)(|)12P xc Pxc时，两种类别之间的混分最少，此时的 x 即为特征阈值T，那么T介于1m 和2m 之间，其计算公式如下所示（2.8），1n 和2n 表示类别1c 和2c的样本数目，阈值T的计算公式如下所示：()()2()2221222121212212221 mmmmAT（2.8）log()1221nnA (2.9)

西安科技大学全日制工程硕士学位论文3 研究区概况及数据预处理况津市最北部, 是天津市仅有的山丘区县，也是天津市水土流北靠承德，西依北京，南联天津,地理位置特殊、生态区位十供安全饮用水源的作用，是天津市的“后花园”。其气候属暖，整体地势呈现北高南低，山区以海拔 200m 至 800m 的中以水力侵蚀为主要侵蚀类型，是水土流失易发区。蓟县的地、丘陵、平原、洼地。蓟县土地利用类型多样，主要有耕地[38]。

3 研究区概况及数据预处理19图 3.2 蓟县解译标志点空间分布图3.2.3 地形和多时相数据（1）DEM 栅格数据DEM 栅格数据刻画了研究区地形地貌的特点，每个栅格的属性值都反映了地面的真实高度。众多研究表明高程是制约土壤、植被、树种、生物多样性的重要因素，因此山区地物类型垂直分布差异明显，本试验选用高程指标作为蓟县山区地物分类的辅助因子，以期提高分类精度。原始的 DEM 数据空间分辨率为 5 米，为了保证与融合后的 GF-1影像具有相同的空间分辨率，在 ARCGIS 中利用 Resample 工具采用最近邻法将栅格数据重采样成空间分辨率 2m。高程数据见图 3.3。
【参考文献】

相关期刊论文 前10条

1 白晓燕;陈晓宏;王兆礼;;基于面向对象分类的土地利用信息提取及其时空变化研究[J];遥感技术与应用;2015年04期

2 王敏;高新华;陈思宇;冯琦胜;梁天刚;;基于Landsat 8遥感影像的土地利用分类研究——以四川省红原县安曲示范区为例[J];草业科学;2015年05期

3 费鲜芸;王婷;魏雪丽;;基于多尺度分割的遥感影像滨海湿地分类[J];遥感技术与应用;2015年02期

4 东方星;;我国高分卫星与应用简析[J];卫星应用;2015年03期

5 熊华伟;俞春生;李小玉;李琳;;基于高分辨率遥感影像的不透水面信息快速提取[J];国土与自然资源研究;2015年01期

6 刘引迪;;我国高分卫星发展背景及在矿产勘查开发中的应用[J];科教文汇(上旬刊);2015年01期

7 刘纯;洪亮;楚森森;;高分辨率遥感影像分割方法研究[J];测绘与空间地理信息;2014年10期

8 贾坤;李强子;;农作物遥感分类特征变量选择研究现状与展望[J];资源科学;2013年12期

9 侯群群;王飞;严丽;;基于灰度共生矩阵的彩色遥感图像纹理特征提取[J];国土资源遥感;2013年04期

10 李德仁;童庆禧;李荣兴;龚健雅;张良培;;高分辨率对地观测的若干前沿科学问题[J];中国科学:地球科学;2012年06期

相关博士学位论文 前4条

1 余晓敏;面向生态系统碳收支服务的HJ-1A/B影像分类关键技术[D];武汉大学;2012年

2 陈丹;基于优化决策树的高分辨率遥感影像分类技术研究[D];武汉大学;2010年

3 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年

4 黄慧萍;面向对象影像分析中的尺度问题研究[D];中国科学院研究生院（遥感应用研究所）;2003年

相关硕士学位论文 前10条

1 买尔哈巴·买买提汗;博斯腾湖芦苇湿地的动态监测及驱动因素分析[D];新疆师范大学;2017年

2 江春梅;基于TM影像面向对象的复杂地形区水稻提取规则研究[D];福建师范大学;2016年

3 白金婷;结合高分辨率遥感影像多维特征的森林分类[D];北京林业大学;2016年

4 王娜;面向对象的高分辨率遥感影像土地覆盖信息提取技术研究[D];昆明理工大学;2016年

5 闫会敏;基于SVM与子空间结合的高光谱图像分类算法研究[D];西安科技大学;2014年

6 殷瑞娟;高分辨率遥感影像的最优图像分割与迭代优化算法研究[D];华东师范大学;2014年

7 马浩然;基于多层次分割的遥感影像面向对象森林分类[D];北京林业大学;2014年

8 朱瑶;基于马尔科夫随机场模型的图像分割算法研究[D];哈尔滨工程大学;2014年

9 周国琼;面向对象的TM影像分类[D];昆明理工大学;2012年

10 陆超;基于WorldView-2影像的面向对象信息提取技术研究[D];浙江大学;2012年

本文编号：2856640