面向对象的沙化土地GF-1遥感分类技术研究

发布时间：2017-05-19 00:02

  本文关键词：面向对象的沙化土地GF-1遥感分类技术研究，，由笔耕文化传播整理发布。

【摘要】：当前,我国防沙治沙形势依然十分严峻,在干旱、半干旱及半湿润地区,由于不合理的人类活动与脆弱的生态环境相互作用造成土地生产力下降、土地资源丧失、地表呈现类似沙漠景观的土地退化。我国是受土地沙化侵害最严重的国家之一,实时了解和掌握我国的沙化土地分布、范围和动态对于分析我国沙化土地的变化过程以及生态工程的成效等都有十分突出的作用。目前国家林业局全国沙化土地监测多以地面调查结合遥感影像的目视解译进行,地面调查需要较多的人力、物力、财力,而目视解译的结果不仅与技术人员的水平相关而且这种目视解译的方法并没有充分利用遥感影像的信息,造成遥感影像极大的浪费,这样对于更加准确地动态分析我国沙化土地的发生发展过程造成一定的困难。沙化土地与其他土地覆被类型相比又呈现复杂的特征,它不仅与植被的覆盖度相关同时还受到土壤类型的影响。因此,在多尺度上研究和发展针对沙化土地的遥感识别方法迫在眉睫。本文以浑善达克沙地为研究区,以GF-1卫星数据、GF-2卫星数据和TM系列数据为数据源,以野外调查的样地信息为评价数据,首先比较了两种遥感影像分割方法并提出了改进的方法,然后在多尺度的遥感影像分割中研究了不同沙化土地类别最优分割尺度的确定方法,然后针对多达60多种的遥感影像特征,本文提出了最优影像特征选择方法并形成了沙化土地类型遥感识别流程图。在上述研究的基础上,对遥感影像空间尺度上的尺度效应和不同年份间浑善达克沙地沙化土地的变化情况进行了分析,主要的研究结果如下:(1)分形网络进化分割算法有较高的适用性,算法的实现效率也较高,但是单一尺度下的分割效果不够理想,需要多尺度分割。Full Lambda-Schedule算法是基于全局优化的算法,分割的结果更好,但是运算量巨大,效率较低,不适合大范围遥感影像的处理,需要先将影像进行过分割再用该算法进行影像分割,这样降低了运算量,提高了运算效率,具有一定的适应性。为了确定在多尺度分割中每个地物类别的最优分割尺度,本文将本来自动选择最优分类特征的J-M距离运用到最优分割尺度选择中再综合运用最终的分类精度来确定每个地物类别的最优分割尺度。(2)基于GF-1数据特点共产生了60多种对象特征,并综合运用信息增益比、J48决策树、随机树、标准差和变异系数等人工选择影像特征。基于上述研究结果形成了沙化土地类型遥感识别流程图并得到了浑善达克沙地的沙化土地分布图。与传统的基于像元的分类相比,该方法精度较高,达到了85.61%,椒盐现象不太明显;与其他面向对象的分类研究相比,该方法整体的处理范围更大,达到了200km×200km,具有较高的可复制性,使更大范围的基于GF-1卫星的沙化土地类型遥感识别的研究成为可能。(3)基于上述研究结果提出将评价类别间可分离性的J-M距离方法应用到对遥感数据空间分辨率的研究得到了沙化土地的尺度效应,结果说明遥感影像的空间分辨率越高并不一定分类的精度就越高,对于某个特定的沙化土地类别是存在一个最优的空间分辨率,在此分辨率下,沙化土地的分类精度达到最高。此外,本文在2002年和2013年的沙化土地评价结果的基础上完成了十年间的沙化土地变化监测和动态分析。2002年和2013年浑善达克沙地总体的沙地面积分别为21740 km2和20542 km2,沙地总面积减少了约1192 km2,占原有沙地面积的5.48%。2002年和2013年的固定沙地分别为7116 km2和5613 km2,半固定沙地分别为10861 km2和10320 km2,流动沙地分别为3763 km2和4609 km2。由此可以看出,浑善达克沙地的沙化土地类型主要以半固定沙地为主,固定沙地的面积次之,流动沙地的面积最小,沙化情况在一定程度上得到遏制。
【关键词】：沙化土地 多尺度分割 最优分割尺度 最优特征选择 动态分析
【学位授予单位】：中国林业科学研究院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P237;X171.1
【目录】：

• 摘要5-7
• Abstract7-14
• 第一章 绪论14-27
• 1.1 引言14-23
• 1.1.1 研究背景15-16
• 1.1.2 国内外研究现状16-23
• 1.1.3 项目来源与经费支持23
• 1.2 研究目标和研究内容23-25
• 1.2.1 研究目标23-24
• 1.2.2 研究内容24-25
• 1.3 技术路线25
• 1.4 论文结构25-26
• 1.5 本章小结26-27
• 第二章 试验区概况与数据获取27-37
• 2.1 试验区概况27-29
• 2.1.1 地理位置27
• 2.1.2 地形地貌27-28
• 2.1.3 气候28
• 2.1.4 土壤28-29
• 2.1.5 植被29
• 2.2 数据获取29-34
• 2.2.1 高分遥感数据29-31
• 2.2.2 Landsat TM/ETM+数据31-32
• 2.2.3 野外调查数据32-34
• 2.3 遥感影像数据的预处理34-36
• 2.3.1 大气校正34-35
• 2.3.2 几何校正35-36
• 2.4 本章小结36-37
• 第三章 沙化土地信息提取的最优分割尺度37-50
• 3.1 分形网络进化分割算法38-39
• 3.2 Full Lambda-Schedule分割算法39-40
• 3.3 沙化土地的尺度效应40-41
• 3.4 沙化土地最优分割尺度41-42
• 3.5 实验与分析42-49
• 3.5.1 不同分割方法结果比较42-45
• 3.5.2 沙化土地的尺度效应和最优分割尺度45-49
• 3.6 本章小结49-50
• 第四章 基于面向对象的沙化土地类型遥感识别50-62
• 4.1 沙化土地遥感特征选择50-54
• 4.2 沙化土地类型遥感识别方法54-56
• 4.3 沙化土地特征选择和识别结果分析56-59
• 4.4 本章小结59-62
• 第五章 近10年浑善达克沙地监测与动态分析62-69
• 5.1 浑善达克沙地评价62-64
• 5.2 浑善达克沙地动态分析64-68
• 5.3 本章小结68-69
• 第六章 结论与讨论69-73
• 6.1 结论69-71
• 6.2 讨论71-73
• 参考文献73-78
• 在校期间的学术研究78-80
• 致谢80-81

【参考文献】

中国博士学位论文全文数据库 前1条

1 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

  本文关键词：面向对象的沙化土地GF-1遥感分类技术研究，由笔耕文化传播整理发布。

本文编号：377361