基于Sentinel-1A与Sentinel-2A数据的城市绿地提取研究
发布时间：2021-03-05 16:07
城市绿地作为调节城市生态环境、景观格局、温度等的重要组成部分,研究其在城市中分布情况具有重要意义,同时随着遥感技术的发展,使用遥感数据与雷达多源数据提取地物具有很大优势,国内外有学者结合Sentinel-1A与Sentinel-2A进行土地覆被等研究,但未针对城市绿地进行研究,故本文旨在研究新型Sentinel-1A和Sentinel-2A影像数据在城市绿地提取上的应用。本文以金华市二环内城区为研究区,以Sentinel-1A和Sentinel-2A为数据源,采用面向对象分类方法,进行土地分类并重点提取绿地,通过六种数据方案,探索S2红边波段、S1雷达数据及纹理特征等在绿地提取上相比单一数据的优势。同时,对比所有特征参与的面向对象分类、随机森林特征优选后分类、结合类层次构建与特征优选分类三种方法,选出最优分类方案,分析金华市二环内市中心区域绿地空间分布及季节变化分析。主要研究结果为:（1）多源数据较单一光学数据在城市绿地提取中有明显优势,S2A红边波段及S1A雷达数据对城市用地提取均有利,红边波段尤其对绿地的提取有利,雷达数据对城市人工建设用地提取有利。结合Sentinel-1A和Se...
【文章来源】：浙江师范大学浙江省
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
eCognition隶属度函数设置Fig1.2eCognitionmembershipfunctionsettings
1绪论11图1.3随机森林算法原理图Fig1.3TheschematicdiagramofRandomforestalgorithm随机森林算法是应用很多的一种算法，它有很多优势，如准确率高，能处理高维的信息不需要降维，高效运行大数据，且可以忽略数据值间的差异，不用进行归一化，同时，能够评估各个特征在分类问题上的重要性，该优势也是本文选择其作为分类算法的原因，通过特征的重要性可以分析各类数据对分类的贡献，从而剔除不必要容易造成冗余的特征，选择出最优特征集组合。eCognition软件中嵌入了随机森林算法，在面向对象分类Classfier模块中，在基于规则的分类过程中，可以选用随机森林算法进行，eCognitionDeveloper软件中包含很多特征获取，用于构建分类规则，但单纯依据实验获取区分地物的规则，往往需要一遍遍地在eCognition中进行试验，需要较多时间，且主观性很强，可能并不是最优的特征提取阈值，而且在计算纹理特征时，速度较慢，复杂地类很难直接找到提取规则，故可结合随机森林算法进行分类。对于特征较多时，并不是所有特征对分类都有贡献，随机森林算法可对各特征的重要性进行评分，根据评分选择贡献较大的特征有利于提高分类速度，改善分类结果，本文的方案五则先使用SalfordPredictiveModeler（简称SPM）软件，对随机森林的特征重要性得分进行计算，优选分类特征，再进行分类。
2研究区概况与预处理13图2.1研究区域图及对应S2A影像Fig2.1StudyareamapandS2Aimage2.2数据来源与预处理2.2.1遥感数据获取Sentinel-1和2号卫星数据为欧洲国家空间局分别于2014年和2015年，发射的两颗卫星。哨兵1号是C波段合成孔径雷达数据，包含单极化及双极化模式，欧空局网站（https://scihub.esa.int）支持免费下载，可下载Level-0和Level-1级数据，数据产品类型有两种，斜距单视产品（SLC产品）和地距多视产品（GRD产品），提供三种成像模式：干涉宽幅模式（IW，分辨率5m*20m）、超幅宽模式（EW，20m*40m）、条带成像模式（EW，5m*5m），本文选择IWGRD（干涉宽幅模式的地距多视产品数据），极化方式选择VV+VH模式。哨兵-2号卫星携带一枚多光谱成像仪(MSI)，高度为786km，可覆盖13个光谱波段，地面分辨率有10m、20m和60m三种，一颗卫星的重访周期为10天，两颗互补，重访周期为5天，表2.1为Sentine-2数据波段信息介绍。表2.1S2A和S2B数据波段详细信息Tab2.1S2AandS2Bdatabanddetails波段Sentinel-2ASentine-2B分辨率中心波长/nm波段宽度/nm/m中心波长/nm波段宽度/nmB1-海岸波段443.927442.34560B2-蓝波段496.698492.19810
【参考文献】：
期刊论文
[1]基于随机森林和Sentinel-2影像数据的低山丘陵区土地利用分类——以重庆市江津区李市镇为例[J]. 张卫春,刘洪斌,武伟. 长江流域资源与环境. 2019(06)
[2]Sentinel-2影像多特征优选的黄河三角洲湿地信息提取[J]. 张磊,宫兆宁,王启为,金点点,汪星. 遥感学报. 2019(02)
[3]基于Sentinel-1A与Sentinel-2A融合的土地利用/覆盖分类研究——以昆明市呈贡区为例[J]. 关韵桐,李金平. 测绘与空间地理信息. 2018(07)
[4]哨兵卫星Sentinel-2A数据特性及应用潜力分析[J]. 陈旭,郝震寰. 科技视界. 2018(16)
[5]集成学习之随机森林算法综述[J]. 王奕森,夏树涛. 信息通信技术. 2018(01)
[6]基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类[J]. 向海燕,罗红霞,刘光鹏,杨任飞,雷茜,程玉丝,陈婧祎. 自然资源学报. 2017(12)
[7]基于Sentinel-2A时序数据和面向对象决策树方法的植被识别[J]. 毕恺艺,牛铮,黄妮,康峻,裴杰. 地理与地理信息科学. 2017(05)
[8]基于WorldView-2影像数据对杭州西湖区绿地信息提取研究[J]. 钱军朝,徐丽华,邱布布,陆张维,庞恩奇,郑建华. 西南林业大学学报(自然科学). 2017(04)
[9]哨兵卫星Sentinel-1A数据特性及应用潜力分析[J]. 欧阳伦曦,李新情,惠凤鸣,张宝钢,程晓. 极地研究. 2017(02)
[10]顾及极化特征的SAR与光学影像融合与分类[J]. 万剑华,臧金霞,刘善伟. 光学学报. 2017(06)
博士论文
[1]激光雷达和高光谱数据融合的城市土地利用分类方法研究[D]. 满其霞.华东师范大学 2015
硕士论文
[1]基于多时相遥感影像的南京市新增建设用地提取与分析[D]. 梁昊.南京大学 2019
[2]高分辨率SAR卫星影像洪水区域提取应用研究[D]. 陈志国.武汉大学 2017
[3]基于Sentinel-1和Landsat 8数据的潮间带盐沼湿地分类研究[D]. 胥为.华东师范大学 2017
[4]基于易康软件平台下的北京城区林木树冠覆盖解译与检验[D]. 宋宜昊.中国林业科学研究院 2016
[5]基于ZY-3影像的北京市六环以内城市用地信息提取及特征分析[D]. 王彩艳.山东农业大学 2015
[6]基于高分辨率遥感影像提取城市绿地信息的方法研究[D]. 张金营.中国石油大学（华东） 2012
本文编号：3065478
【文章来源】：浙江师范大学浙江省
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
eCognition隶属度函数设置Fig1.2eCognitionmembershipfunctionsettings
1绪论11图1.3随机森林算法原理图Fig1.3TheschematicdiagramofRandomforestalgorithm随机森林算法是应用很多的一种算法，它有很多优势，如准确率高，能处理高维的信息不需要降维，高效运行大数据，且可以忽略数据值间的差异，不用进行归一化，同时，能够评估各个特征在分类问题上的重要性，该优势也是本文选择其作为分类算法的原因，通过特征的重要性可以分析各类数据对分类的贡献，从而剔除不必要容易造成冗余的特征，选择出最优特征集组合。eCognition软件中嵌入了随机森林算法，在面向对象分类Classfier模块中，在基于规则的分类过程中，可以选用随机森林算法进行，eCognitionDeveloper软件中包含很多特征获取，用于构建分类规则，但单纯依据实验获取区分地物的规则，往往需要一遍遍地在eCognition中进行试验，需要较多时间，且主观性很强，可能并不是最优的特征提取阈值，而且在计算纹理特征时，速度较慢，复杂地类很难直接找到提取规则，故可结合随机森林算法进行分类。对于特征较多时，并不是所有特征对分类都有贡献，随机森林算法可对各特征的重要性进行评分，根据评分选择贡献较大的特征有利于提高分类速度，改善分类结果，本文的方案五则先使用SalfordPredictiveModeler（简称SPM）软件，对随机森林的特征重要性得分进行计算，优选分类特征，再进行分类。
2研究区概况与预处理13图2.1研究区域图及对应S2A影像Fig2.1StudyareamapandS2Aimage2.2数据来源与预处理2.2.1遥感数据获取Sentinel-1和2号卫星数据为欧洲国家空间局分别于2014年和2015年，发射的两颗卫星。哨兵1号是C波段合成孔径雷达数据，包含单极化及双极化模式，欧空局网站（https://scihub.esa.int）支持免费下载，可下载Level-0和Level-1级数据，数据产品类型有两种，斜距单视产品（SLC产品）和地距多视产品（GRD产品），提供三种成像模式：干涉宽幅模式（IW，分辨率5m*20m）、超幅宽模式（EW，20m*40m）、条带成像模式（EW，5m*5m），本文选择IWGRD（干涉宽幅模式的地距多视产品数据），极化方式选择VV+VH模式。哨兵-2号卫星携带一枚多光谱成像仪(MSI)，高度为786km，可覆盖13个光谱波段，地面分辨率有10m、20m和60m三种，一颗卫星的重访周期为10天，两颗互补，重访周期为5天，表2.1为Sentine-2数据波段信息介绍。表2.1S2A和S2B数据波段详细信息Tab2.1S2AandS2Bdatabanddetails波段Sentinel-2ASentine-2B分辨率中心波长/nm波段宽度/nm/m中心波长/nm波段宽度/nmB1-海岸波段443.927442.34560B2-蓝波段496.698492.19810
【参考文献】：
期刊论文
[1]基于随机森林和Sentinel-2影像数据的低山丘陵区土地利用分类——以重庆市江津区李市镇为例[J]. 张卫春,刘洪斌,武伟. 长江流域资源与环境. 2019(06)
[2]Sentinel-2影像多特征优选的黄河三角洲湿地信息提取[J]. 张磊,宫兆宁,王启为,金点点,汪星. 遥感学报. 2019(02)
[3]基于Sentinel-1A与Sentinel-2A融合的土地利用/覆盖分类研究——以昆明市呈贡区为例[J]. 关韵桐,李金平. 测绘与空间地理信息. 2018(07)
[4]哨兵卫星Sentinel-2A数据特性及应用潜力分析[J]. 陈旭,郝震寰. 科技视界. 2018(16)
[5]集成学习之随机森林算法综述[J]. 王奕森,夏树涛. 信息通信技术. 2018(01)
[6]基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类[J]. 向海燕,罗红霞,刘光鹏,杨任飞,雷茜,程玉丝,陈婧祎. 自然资源学报. 2017(12)
[7]基于Sentinel-2A时序数据和面向对象决策树方法的植被识别[J]. 毕恺艺,牛铮,黄妮,康峻,裴杰. 地理与地理信息科学. 2017(05)
[8]基于WorldView-2影像数据对杭州西湖区绿地信息提取研究[J]. 钱军朝,徐丽华,邱布布,陆张维,庞恩奇,郑建华. 西南林业大学学报(自然科学). 2017(04)
[9]哨兵卫星Sentinel-1A数据特性及应用潜力分析[J]. 欧阳伦曦,李新情,惠凤鸣,张宝钢,程晓. 极地研究. 2017(02)
[10]顾及极化特征的SAR与光学影像融合与分类[J]. 万剑华,臧金霞,刘善伟. 光学学报. 2017(06)
博士论文
[1]激光雷达和高光谱数据融合的城市土地利用分类方法研究[D]. 满其霞.华东师范大学 2015
硕士论文
[1]基于多时相遥感影像的南京市新增建设用地提取与分析[D]. 梁昊.南京大学 2019
[2]高分辨率SAR卫星影像洪水区域提取应用研究[D]. 陈志国.武汉大学 2017
[3]基于Sentinel-1和Landsat 8数据的潮间带盐沼湿地分类研究[D]. 胥为.华东师范大学 2017
[4]基于易康软件平台下的北京城区林木树冠覆盖解译与检验[D]. 宋宜昊.中国林业科学研究院 2016
[5]基于ZY-3影像的北京市六环以内城市用地信息提取及特征分析[D]. 王彩艳.山东农业大学 2015
[6]基于高分辨率遥感影像提取城市绿地信息的方法研究[D]. 张金营.中国石油大学（华东） 2012
本文编号：3065478
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3065478.html
