基于FY-3A MERSI资料的中国区域土地覆盖分类研究

发布时间：2017-07-07 18:09

  本文关键词：基于FY-3A MERSI资料的中国区域土地覆盖分类研究

  更多相关文章： FY-3A 中分辨率光谱成像仪(MERSI) 土地覆盖分类 支持向量机

【摘要】：土地覆盖数据是地球科学众多领域研究的基础数据,在地理学、大气科学、农学、林学等领域具有重要应用。土地覆盖分类是土地覆盖研究中的基础性工作,利用遥感技术获取土地覆盖数据已成为大尺度土地覆盖研究中的热点。我国自主研制的新一代极轨气象卫星FY-3A发射成功,其装载的中分辨率光谱成像仪(MERSI)具有可见光、近红外、热红外等多个通道,为大尺度的土地覆盖分类提供了重要数据源。 本文基于MERSI反射率、植被指数、亮温和DEM数据,选用最大似然法、BP神经网络法和支持向量机法作为分类方法,在吉林省、江苏省、湖北省、青海省和广东省5个试验区,开展土地覆盖分类预试验。分析分类结果,确定分类精度最高的分类方法,并用于整个中国区域土地覆盖分类。 本文得到以下主要结论： (1)根据MERSI数据特点,前5波段具有250米空间分辨率,将1-5波段的反射率、植被指数、亮温、DEM数据作为分类特征,能有效地选取样本,从而更快更好的对研究区进行土地覆盖分类。 (2)分类方法的选择能有效地提高分类精度。本文基于MERSI L1数据,利用最大似然法、BP神经网络法和支持向量机法对不同季节不同时间点的吉林省、江苏省、湖北省、青海省和广东省5个试验区进行土地覆盖分类,从得到的混淆矩阵表可以看出,支持向量机的分类精度最高,故在整个中国区域的土地覆盖分类中选用支持向量机法作为分类方法。 (3)基于2012年2月、2012年4月、2012年8月、2012年11月MERSI植被指数月产品,采用支持向量机法进行土地覆盖分类研究,最终得到4个不同季节的分类结果,并利用比较分析法和农作物地面实测点对分类结果进行精度验证。从面积一致性分析来看,4个月的分类结果与对应时段的VIRR土地覆盖日产品总体上保持一致,4个月的相关系数都很高,最高的为4月份,R2为0.9294；从混淆矩阵分析来看,4个月的总体精度都保持在80%,其中2月份的总体精度最高,达到了82.6268%,Kappa系数为0.7962；从农用地与中国农作物生长发育和农田土壤湿度旬数据集农作物地面采样点的一致性来看,4个月的农用地与农作物地面采样点很好的吻合,保持在90%左右。精度验证结果表明,MERSI资料及支持向量机方法能应用在大尺度宏观土地覆盖分类中。
【关键词】：FY-3A 中分辨率光谱成像仪(MERSI) 土地覆盖分类 支持向量机
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P237;P407
【目录】：

• 摘要6-7
• Abstract7-9
• 第一章 绪论9-15
• 1.1 研究目的及意义9-10
• 1.2 国内外研究进展10-12
• 1.2.1 国外研究进展10-11
• 1.2.2 国内研究进展11-12
• 1.3 本文主要研究工作12-15
• 1.3.1 本文研究内容及论文组织12-13
• 1.3.2 本文的技术路线图13-15
• 第二章 研究区及数据15-26
• 2.1 研究区分布15
• 2.2 研究区概况15-20
• 2.2.1 吉林省试验区15-16
• 2.2.2 江苏省试验区16
• 2.2.3 湖北省试验区16
• 2.2.4 青海省试验区16-17
• 2.2.5 广东省试验区17
• 2.2.6 整个中国研究区17-20
• 2.2.6.1 地理位置17
• 2.2.6.2 地形地貌17-19
• 2.2.6.3 气候19-20
• 2.2.6.4 植被分布情况20
• 2.3 遥感数据介绍20-25
• 2.3.1 风云三号气象卫星及MERSI资料介绍20-24
• 2.3.2 MERSI数据时相选择24-25
• 2.3.3 辅助数据25
• 2.4 本章小结25-26
• 第三章 FY-3A MERSI资料预处理26-31
• 3.1 卫星观测值辐射定标26-28
• 3.1.1 可见光、近红外定标方法26-27
• 3.1.2 热红外定标方法27-28
• 3.2 大气校正28
• 3.3 几何校正28-29
• 3.4 地图投影及图像拼接、裁剪29-30
• 3.5 本章小结30-31
• 第四章 分类方法的选择和比较31-50
• 4.1 分类方法及原理31-35
• 4.1.1 最大似然法31
• 4.1.2 BP神经网络法31-32
• 4.1.3 支持向量机法32-35
• 4.1.3.1 最优分类超平面32-34
• 4.1.3.2 核函数34-35
• 4.2 分类试验35-43
• 4.2.1 分类系统的确定35-36
• 4.2.2 样本选取36-37
• 4.2.3 分类特征选择及处理37-42
• 4.2.3.1 地表反射率及亮温37-39
• 4.2.3.2 植被指数39-42
• 4.2.4 分类方案42-43
• 4.3 分类试验结果及分析43-49
• 4.3.1 基于吉林省试验区的土地覆盖分类44-45
• 4.3.2 基于江苏省试验区的土地覆盖分类45-46
• 4.3.3 基于湖北省试验区的土地覆盖分类46
• 4.3.4 基于青海省试验区的土地覆盖分类46-47
• 4.3.5 基于广东省试验区的土地覆盖分类47-48
• 4.3.6 精度评价48-49
• 4.4 本章小结49-50
• 第五章 基于支持向量机方法的中国区域土地覆盖分类50-60
• 5.1 分类实验50-52
• 5.2 分类结果与精度评价52-59
• 5.2.1 精度评价标准52-53
• 5.2.1.1 类型面积相关分析52
• 5.2.1.2 混淆矩阵分析52-53
• 5.2.1.3 地面采样点精度分析53
• 5.2.2 精度评价53-59
• 5.2.2.1 面积一致性分析54-55
• 5.2.2.2 空间混淆分析55-57
• 5.2.2.3 地面采样点精度分析57-59
• 5.3 本章小结59-60
• 第六章 结论与展望60-62
• 6.1 主要结论60-61
• 6.2 创新点61
• 6.3 存在的问题及下一步工作61-62
• 参考文献62-67
• 致谢67-68
• 作者简介68

【参考文献】

中国期刊全文数据库 前10条

1 王馨凝;李国春;;基于MERSI和MODIS数据的2种监督分类方法比较研究[J];现代农业科技;2009年07期

2 冉有华;李新;卢玲;;四种常用的全球1km土地覆盖数据中国区域的精度评价[J];冰川冻土;2009年03期

3 陈佑启,PeterH.Verburg;中国土地利用/土地覆盖的多尺度空间分布特征分析[J];地理科学;2000年03期

4 郭焕成;土地利用调查与制图方法的初步研究[J];地理学报;1984年03期

5 董超华;杨军;卢乃锰;杨忠东;施进明;张鹏;刘玉洁;蔡斌;;风云三号A星(FY-3A)的主要性能与应用[J];地球信息科学学报;2010年04期

6 潘耀忠,李晓兵,何春阳;中国土地覆盖综合分类研究──基于NOAA/AVHRR和Holdridge PE[J];第四纪研究;2000年03期

7 李爽,张二勋;基于决策树的遥感影像分类方法研究[J];地域研究与开发;2003年01期

8 王崇倡;武文波;张建平;;基于BP神经网络的遥感影像分类方法[J];辽宁工程技术大学学报(自然科学版);2009年01期

9 徐晓桃;韩涛;颉耀文;;基于单时相MODIS数据的土地覆盖三种分类方法对比研究[J];干旱地区农业研究;2008年03期

10 柳海鹰,高吉喜,李政海;土地覆盖及土地利用遥感研究进展[J];国土资源遥感;2001年04期

，

本文编号：531249