锡林郭勒草地多样性遥感识别与评价研究

发布时间：2017-09-04 21:42

  本文关键词：锡林郭勒草地多样性遥感识别与评价研究

  更多相关文章： 高光谱遥感 数据挖掘 特征提取 草地类型识别 神经网络 草地多样性

【摘要】：草地是地球陆地表面仅次于森林的重要绿色覆被层,作为一种自然资源在承载牲畜、保护生物多样性、保持水土、维护生态平衡、调节气候、休憩休闲和营养循环等方面具有重要作用。多年以来,对草地资源的监测与调查一直是草地研究人员的关注焦点和工作重点,其中草类识别与草地多样性评价是进行草原覆盖状况监测、草原生物多样性保护和草地资源开发利用等研究的基础。 传统的草地监测方法主要依靠成本高、费时、费力的野外调查方法,近年来遥感技术迅速发展,成为草地资源调查和监测研究的重要手段。然而就目前的研究状况来看,还存在较多问题：从草地识别方面来看,现行的草地高光谱研究多停留在光谱特征的分析和比较上,缺乏深入的研究,且草地类型识别方法大多为根据光谱特征简单分析而构建的草地分类决策树,流程繁琐,普适性差,此外,关于基于神经网络草地类型识别的研究较少；从草地多样性研究方面来看,传统的监测方法多依托大量的地面实地调查或航片解译,费时费力且可更新性差,不适用于大区域监测。 针对目前草地多样性识别和监测研究中存在的问题,本研究从草地识别及草地多样性评价两条线出发,对内蒙古锡林郭勒草地资源进行了研究：在草地识别研究中采用2008年夏季草地光谱采样数据,首先以基于高光谱数据的草地光谱特征提取及识别为研究目的,以锡林郭勒草原四种常见草类：羊草、针茅、日阴菅及隐子草为研究对象,针对四种草类间相似的、较难区分的光谱特征,利用光谱微分技术结合神经网络模型强大的数据挖掘能力,设计出了一种新的高光谱草地类型识别流程,完成了四种草类的识别,为草地分类识别提供了新的技术方法流程；其次,以LandsatTM/ETM为主要数据,辅以基础地理数据及近期植被专题调查数据,联合遥感、GIS与景观生态学的技术与方法对锡林郭勒草原的草地景观多样性进行了分析与评价,完成了草地分类体系的确定与专题地图的制作、草地景观多样性评价指标的确定与计算、草地景观多样性现状、特征及空间格局的分析与评价,主要结论如下： 在草地识别方面： (1)通过4种草地的平均光谱可以看出,4种草地的光谱较为相似,其中羊草在800m～1300m和(?)150nm-500nml司的光谱反射率高于其他3种草地光谱,日阴菅光谱在350nm-500nm之间光谱反射率最低,在1100nm-1300nm之间反射率最高,针茅和隐子草的光谱较为接近,尤其是在可见光范围内光谱差异较小。 (2)通过一阶微分光谱提取了草地光谱的红边位置、红边斜率、红边面积、红谷位置、红谷值、绿峰位置和绿峰值等7个植被特征参数,总体来看,红边、绿峰和红谷位置变异系数小,红边斜率、红边面积、绿峰值和红谷值变异系数相对较大,其中针茅的红谷值变异系数达35.98%。通过7变量相关分析和主成分分析发现,红边斜率与红边面积、绿峰值与红谷值之间的相关性较大,构成前3个主份的特征变量来看,红边位置特征贡献较小。根据光谱参数提取分析结果,去除了红边面积、红谷值和红边位置3个参量,以4种草地的红边斜率、绿峰值、绿峰位置和红谷位置作为神经网络的输入进行草地类型的识别。 (3)研究发现神经网络作为数据挖掘的有效手段,能较好识别不同草地光谱,进而划分出不同草地类型,训练和测试的总体精度较高、且较为平稳,测试精度达83.30%。 在草地多样性评价方面： (1)依靠遥感解译数据和GIS方法研究区共提取了42种景观类型,其中包括16种草地景观,分别为草甸草原、稀疏草地草原、干旱草原、其它草原、矮禾草矮半灌木荒漠草原、低湿地植被草原、禾草半灌木荒漠草原、丛生禾草根茎禾草典型草原、草本湿地、荒漠化草原、沙地植被草原、沙质荒漠草原、禾草半灌木草原、林缘杂类草草甸、禾草杂草类草甸草原、草丛、草本绿地。 (2)草地景观中面积最大的为丛生禾草,根茎禾草典型草原,面积约为912×104ha,占研究区面积的45.37%,为研究区的优势景观,主要分布于研究区的中部、北部和南部区域。 (3)锡林郭勒草地斑块共有26577个,平均每个斑块面积约为756.64ha,在平均水平上每100ha有0.13个斑块；最大拼块占研究区的比例为30.58%,为矮禾草,矮半灌木荒漠草原；景观丰富度指数为42,景观丰富度密度指数为0.0002,；香侬多样性指数、香侬均匀度指数、景观优势度指数、景观聚集度指数分别为2.01,0.54,1.7,63.22。 (4)二连浩特市和苏尼特右旗的草地类型最多,都为12种,正镶白旗与正蓝旗草地类型较少,分别为5种,其它旗县多为10种,情况比较平均；丛生禾草根茎禾草典型草原作为6个旗县的优势草地类型占据明显优势,其次为矮禾草矮半灌木荒漠草原分别占据了二连浩特市、苏尼特右旗与苏尼特左旗75%、60%、60%的草地面积,然后为干旱草原,分别占据了多伦县与太仆寺旗37%和57%的草地面积,最后正蓝旗的优势草地类型为沙地植被草原,面积百分比为42%。 (5)各旗县中斑块最多的为正蓝旗,斑块数量为40750,平均斑块面积最大的为阿巴嘎旗,为271ha;最大拼块存在于东乌珠穆沁旗内为68ha,最小拼块存在于多伦县,大小为7ha；景观形状指数最大的是正蓝旗,为170,斑块效应最强,最小的为二连浩特市；斑块密度最大的也为正蓝旗,为4.008；景观丰富度最强的为阿巴嘎旗；景观多样性指数最大的为多伦县,正蓝旗次之,分别为2.2702、2.1145；景观均匀度最强的为为多伦县,正蓝旗次之,分别为0.6888、0.6509；景观优势度最强的为锡林浩特市,为2.2612；景观聚集度最强的为东乌珠穆沁旗,最弱的为阿巴嘎旗,分别为83、60。总体来看研究区不同空间范围内(行政区划),景观多样性指数差异较大,不同区域呈现出不同的景观多样性。 总之,本研究成果可为草地资源高光谱信息提取、草类识别及草地多样性评价等研究提供科学依据。此外,在草地类型识别研究中,本研究提取的7个特征参数较为常用,后续研究中将进一步挖掘新的特征参量,同时由于神经网络存在稳定性差和学习时间长等特点,后续研究将进一步优选神经网络模型参数,提高草地类型识别的精度和稳定性；在草地多样性研究中,由于受遥感数据源的限制,虽然空间分辨率较高(30m),但草地分类只达到了景观级别,没有包含更具体的草地物种信息,因此未来研究可在数据源方面对提高草地分类级别做进一步的努力,此外后续研究也可着眼于锡林郭勒草地多样性空间分布格局的动态变化特征。
【关键词】：高光谱遥感 数据挖掘 特征提取 草地类型识别 神经网络 草地多样性
【学位授予单位】：首都师范大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：S812;P237
【目录】：

• 摘要4-7
• Abstract7-10
• 目录10-12
• 图目录12-13
• 表目录13-14
• 第一章 绪论14-34
• 1.1 研究背景及意义14-15
• 1.2 国内外研究现状15-28
• 1.2.1 遥感技术在草类多样性识别的应用研究进展16-23
• 1.2.2 遥感技术在生物多样性的应用研究进展23-27
• 1.2.3 存在问题27-28
• 1.3 研究内容与技术路线28-31
• 1.3.1 研究内容28-30
• 1.3.2 技术路线30-31
• 1.4 论文结构31-32
• 1.5 本章小结32-34
• 第二章 研究区概况与数据预处理34-40
• 2.1 研究区概况34-36
• 2.2 地面高光谱采集36-37
• 2.3 数据预处理37-39
• 2.3.1 高光谱遥感数据预处理37
• 2.3.2 多光谱遥感数据预处理37-39
• 2.4 本章小结39-40
• 第三章 基于高光谱数据的草地类型识别研究40-58
• 3.1 基于高光谱数据的草地类型识别指标体系建立方法研究40-43
• 3.1.1 草地类型识别指标体系研究40-41
• 3.1.2 光谱特征参数提取方法41-42
• 3.1.3 光谱特征参数筛选42-43
• 3.2 多层感知神经网络(MLP)草地分类模型的构建43-48
• 3.2.1 网络误差与权值调整45-47
• 3.2.2 MLP神经网络工作原理47
• 3.2.3 多层感知神经网络模型草地类型分类器的SPSS实现47-48
• 3.3 锡林郭勒草地类型识别结果与分析48-57
• 3.3.1 草地光谱特征分析49-52
• 3.3.2 草地光谱特征参量提取52-53
• 3.3.3 草地类型识别53-56
• 3.3.4 结论56-57
• 3.4 本章小结57-58
• 第四章 基于Landsat TM/ETM遥感数据的锡林郭勒草地景观多样性评价研究58-68
• 4.1 草地景观多样性评价方法研究58-61
• 4.1.1 草地景观分类体系确定及其专题图的制作59
• 4.1.2 草地景观多样性评价指标体系构建59-60
• 4.1.3 草地景观评价指标的计算60-61
• 4.2 草地景观多样性特征分析61-66
• 4.2.1 锡林郭勒草地景观现状分析61-62
• 4.2.2 景观多样性特征分析62-63
• 4.2.3 景观多样性空间格局分析63-65
• 4.2.4 结论65-66
• 4.3 本章小结66-68
• 第五章 总结与展望68-70
• 参考文献70-76
• 硕士研究生阶段论文发表情况76-77
• 致谢77-78

【参考文献】

中国期刊全文数据库 前10条

1 任继周，胡自治，，陈全功;草地遥感应用动态与研究进展[J];草业科学;1996年01期

2 丁莉东;吴昊;王长健;覃志豪;章其祥;;基于谱间关系的MODIS遥感影像水体提取研究[J];测绘与空间地理信息;2006年06期

3 徐永斌;王树文;;基于地学分析与遥感智能解译模型的土地覆盖/土地利用分类[J];测绘与空间地理信息;2010年04期

4 方彬;陈波;张元;;生物多样性遥感监测尺度选择及制图研究[J];地理与地理信息科学;2007年06期

5 徐希孺,金丽芳,赁常恭,周嗣松,张猛;利用NOAA—CCT估算内蒙古草场产草量的原理和方法[J];地理学报;1985年04期

6 毛建旭 ,王耀南 ,孙炜;模糊B样条基函数神经网络的遥感图像分类器[J];电子测量与仪器学报;2002年04期

7 黄立贤;沈志学;;基于决策树的Landsat多光谱影像分类方法[J];光电技术应用;2011年03期

8 丁志;童庆禧;郑兰芬;王尔和;肖乾广;陈维英;周嗣松;;应用气象卫星图象资料进行草场生物量测量方法的初步研究[J];干旱区研究;1986年02期

9 尤淑撑,张玮,严泰来;模糊分类技术在作物类型识别中的应用[J];国土资源遥感;2000年01期

10 吴见;彭道黎;;基于面向对象的QuickBird影像退耕地树冠信息提取[J];光谱学与光谱分析;2010年09期

本文编号：794018