基于遥感数据的工矿复垦区分类与反演方法研究
发布时间：2023-04-18 22:12
土地复垦与生态重建是统筹矿产资源开发、土地资源保护、推动生态文明建设的重要举措,广泛开展土地复垦与生态重建是贯彻落实中央关于生态文明建设的必然要求。面向生态文明建设顶层设计,面对国土资源数量、质量、生态三位一体保护总体要求,用好遥感技术手段助力土地复垦“数量”清查(土地利用/覆被分类)、“质量”监测(土壤属性反演)具有重要意义。然而,工矿复垦区内地形起伏大,地物类型多且破碎、空间异质性强,地物混合分布、布局分散,给基于遥感数据的分类策略选择和土壤属性反演等研究工作带来一定技术困难。对此,本文开展了基于遥感数据的工矿复垦区分类与反演方法研究,基于GF-1和Landsat-8 OLI遥感影像,利用网格搜索(Grid Search,GS)随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)、人工神经网(Artificial Neural Network,ANN)、面向对象分析(Object-based Image Analysis,OBIA)、多端元混合像元分解(Multiple Endmember Spectral Mixture...
【文章页数】：136 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 矿区复垦与环境遥感监测研究现状
1.2.2 机器学习遥感影像识别研究现状
1.2.3 基于遥感数据的目标反演研究现状
1.3 研究内容与技术框架
1.3.1 研究内容
1.3.2 总体技术框架
1.4 论文的组织结构
1.5 本章小结
第二章 基于高分影像与GS-RF的土地利用分类
2.1 引言
2.2 理论研究与技术路线
2.2.1 随机森林分类方法概述
2.2.2 网格搜索参数寻优概述
2.2.3 本章技术路线
2.3 研究区域与数据
2.3.1 研究区域概况
2.3.2 数据选取及预处理
2.4 特征变量
2.4.1 BCI指数构建
2.4.2 特征变量计算选择
2.5 结果与精度
2.5.1 网格搜索结果
2.5.2 分类结果与精度
2.6 特征变量重要性与降维
2.6.1 重要性估计与降维
2.6.2 不同方法分类结果比较
2.7 本章小结
第三章 基于高分影像与OBIA的土地利用分类
3.1 引言
3.2 面向对象分析方法
3.2.1 方法简介
3.2.2 方法优势
3.3 影像分割
3.3.1 影像分割方法概述
3.3.2 多尺度分割
3.4 数据处理与技术路线
3.4.1 研究区与数据预处理
3.4.2 技术路线
3.5 结果与精度
3.5.1 分割尺度参数寻优
3.5.2 多尺度分割结果
3.5.3 不同方法分类结果比较
3.6 本章小结
第四章 基于中分影像与MESMA的土地利用分类
4.1 引言
4.2 理论研究与技术路线
4.2.1 混合像元分解
4.2.2 线性光谱混合分解
4.2.3 非线性光谱混合分解
4.2.4 多端元混合像元分解
4.2.5 端元获取
4.2.6 技术路线
4.3 研究区域与数据
4.3.1 研究区域概况
4.3.2 数据选取及预处理
4.4 混合像元分解与分类
4.4.1 光谱库建立和端元选取
4.4.2 端元组合模型
4.4.3 特征变量计算与选取
4.4.4 分类方法
4.5 结果与精度
4.5.1 多端元混合像元分解结果
4.5.2 分类结果与精度评价
4.5.3 不同方法分类结果比较
4.5.4 不同分辨率数据下分类结果比较
4.6 特征变量贡献度分析
4.6.1 特征变量重要性分析
4.6.2 组分数据与DEM数据对于分类结果的影响
4.7 本章小结
第五章 基于高光谱数据的复垦区土壤重金属反演
5.1 引言
5.2 理论研究与技术路线
5.2.1 高光谱在土壤监测中的研究应用
5.2.2 光谱预处理技术方法
5.2.3 光谱建模技术方法
5.2.4 技术路线
5.3 研究区域与数据
5.3.1 研究区域概况
5.3.2 数据获取与分析
5.4 土壤样本光谱特征分析
5.4.1 土壤光谱波形分析
5.4.2 土壤光谱相关性分析
5.5 土壤重金属元素高光谱反演建模
5.5.1 线性模型
5.5.2 非线性模型
5.5.3 基于遗传算法(GA)的预测模型优化
5.6 本章小结
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
个人简介
致谢
本文编号：3793131
【文章页数】：136 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 矿区复垦与环境遥感监测研究现状
1.2.2 机器学习遥感影像识别研究现状
1.2.3 基于遥感数据的目标反演研究现状
1.3 研究内容与技术框架
1.3.1 研究内容
1.3.2 总体技术框架
1.4 论文的组织结构
1.5 本章小结
第二章 基于高分影像与GS-RF的土地利用分类
2.1 引言
2.2 理论研究与技术路线
2.2.1 随机森林分类方法概述
2.2.2 网格搜索参数寻优概述
2.2.3 本章技术路线
2.3 研究区域与数据
2.3.1 研究区域概况
2.3.2 数据选取及预处理
2.4 特征变量
2.4.1 BCI指数构建
2.4.2 特征变量计算选择
2.5 结果与精度
2.5.1 网格搜索结果
2.5.2 分类结果与精度
2.6 特征变量重要性与降维
2.6.1 重要性估计与降维
2.6.2 不同方法分类结果比较
2.7 本章小结
第三章 基于高分影像与OBIA的土地利用分类
3.1 引言
3.2 面向对象分析方法
3.2.1 方法简介
3.2.2 方法优势
3.3 影像分割
3.3.1 影像分割方法概述
3.3.2 多尺度分割
3.4 数据处理与技术路线
3.4.1 研究区与数据预处理
3.4.2 技术路线
3.5 结果与精度
3.5.1 分割尺度参数寻优
3.5.2 多尺度分割结果
3.5.3 不同方法分类结果比较
3.6 本章小结
第四章 基于中分影像与MESMA的土地利用分类
4.1 引言
4.2 理论研究与技术路线
4.2.1 混合像元分解
4.2.2 线性光谱混合分解
4.2.3 非线性光谱混合分解
4.2.4 多端元混合像元分解
4.2.5 端元获取
4.2.6 技术路线
4.3 研究区域与数据
4.3.1 研究区域概况
4.3.2 数据选取及预处理
4.4 混合像元分解与分类
4.4.1 光谱库建立和端元选取
4.4.2 端元组合模型
4.4.3 特征变量计算与选取
4.4.4 分类方法
4.5 结果与精度
4.5.1 多端元混合像元分解结果
4.5.2 分类结果与精度评价
4.5.3 不同方法分类结果比较
4.5.4 不同分辨率数据下分类结果比较
4.6 特征变量贡献度分析
4.6.1 特征变量重要性分析
4.6.2 组分数据与DEM数据对于分类结果的影响
4.7 本章小结
第五章 基于高光谱数据的复垦区土壤重金属反演
5.1 引言
5.2 理论研究与技术路线
5.2.1 高光谱在土壤监测中的研究应用
5.2.2 光谱预处理技术方法
5.2.3 光谱建模技术方法
5.2.4 技术路线
5.3 研究区域与数据
5.3.1 研究区域概况
5.3.2 数据获取与分析
5.4 土壤样本光谱特征分析
5.4.1 土壤光谱波形分析
5.4.2 土壤光谱相关性分析
5.5 土壤重金属元素高光谱反演建模
5.5.1 线性模型
5.5.2 非线性模型
5.5.3 基于遗传算法(GA)的预测模型优化
5.6 本章小结
第六章 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
个人简介
致谢
本文编号：3793131
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3793131.html
