基于GF-1卫星的水蚀荒漠化遥感信息自动提取研究
发布时间:2023-12-28 20:02
水蚀荒漠化已成为全球瞩目的环境问题之一。遥感卫星数据具有宏观性与时效性,被广泛应用于包括荒漠化信息的提取监测与评价分析领域中。然而,前人研究中仍然存在一些不足。首先,采用Landsat卫星等低空间分辨率影像数据作为数据源提取水蚀荒漠化区域精细化程度不够。其次,水蚀荒漠化遥感信息客观详实的自动提取探索较少。基于此,随着国产卫星业务化的推广,本文选取水蚀荒漠化较为发育的云南省楚雄彝族自治州、大理白族自治州及丽江市交界的渔泡江流域幸福村-金沙江汇入口河段作为研究区,选用高分一号(GF-1)卫星数据,精细化探索GF-1遥感卫星数据水蚀荒漠化自动信息提取方法。本文取得创新性成果如下:1.实验优选衍生方差纹理修正型土壤调节植被指数(VarMSAVI)为水蚀荒漠化因子植被覆盖信息提取的最佳方法。考虑植被覆盖信息为水蚀荒漠化重要指标之一,采用RVI、NDVI、SAVI、MSAVI、EVI、GEVI六个常用的植被指数模型,分别展开基于影像纹理特征空间信息的衍生纹理植被指数模型与像元二分模型的对比分析。基于等距布点法的客观评价,衍生方差纹理修正型土壤调节植被指数(VarM<...
【文章页数】:99 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 存在问题分析
1.3 研究意义
1.4 研究内容与技术路线
1.4.1 研究内容
1.4.2 技术路线
1.5 论文创新点
第二章 水蚀荒漠化自动提取方法及其理论基础
2.1 水蚀荒漠化判识标志
2.2 水蚀荒漠化判识标志提取方法
2.2.1 坡度分析方法
2.2.2 沟谷密度提取方法
2.2.3 地形起伏度提取方法
2.2.4 地表切割深度提取方法
2.2.5 植被信息提取方法
2.3 层次分析法
2.4 水蚀荒漠化提取结果精度评价方法
2.4.1 主观评价
2.4.2 客观评价
第三章 研究区概况及数据预处理
3.1 研究区概况
3.2 数据源及数据预处理
3.2.1 数据源
3.2.2 数据预处理
第四章 GF-1水蚀荒漠化遥感信息自动化提取实验及优选
4.1 坡度分析及分级定标
4.2 沟谷密度提取及分级定标
4.3 地形起伏度提取及分级定标
4.4 地表切割深度提取及分级定标
4.5 植被覆盖度提取及分级定标优选
4.5.1 基于植被指数与像元二分模型结合的植被覆盖度提取实验
4.5.2 基于纹理信息与植被指数结合的植被覆盖度提取实验
4.5.3 植被覆盖度分级定标优选
第五章 水蚀荒漠化遥感信息自动提取实验分析
5.1 水蚀荒漠化遥感信息自动提取实验示范应用
5.2 结果评价
5.2.1 主观评价
5.2.2 客观评价
5.3 水蚀荒漠化遥感信息自动提取流程总结
第六章 结语
6.1 讨论
6.2 结论
6.3 不足与展望
参考文献
攻读硕士学位期间完成的科研成果
致谢
本文编号:3876093
【文章页数】:99 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 存在问题分析
1.3 研究意义
1.4 研究内容与技术路线
1.4.1 研究内容
1.4.2 技术路线
1.5 论文创新点
第二章 水蚀荒漠化自动提取方法及其理论基础
2.1 水蚀荒漠化判识标志
2.2 水蚀荒漠化判识标志提取方法
2.2.1 坡度分析方法
2.2.2 沟谷密度提取方法
2.2.3 地形起伏度提取方法
2.2.4 地表切割深度提取方法
2.2.5 植被信息提取方法
2.3 层次分析法
2.4 水蚀荒漠化提取结果精度评价方法
2.4.1 主观评价
2.4.2 客观评价
第三章 研究区概况及数据预处理
3.1 研究区概况
3.2 数据源及数据预处理
3.2.1 数据源
3.2.2 数据预处理
第四章 GF-1水蚀荒漠化遥感信息自动化提取实验及优选
4.1 坡度分析及分级定标
4.2 沟谷密度提取及分级定标
4.3 地形起伏度提取及分级定标
4.4 地表切割深度提取及分级定标
4.5 植被覆盖度提取及分级定标优选
4.5.1 基于植被指数与像元二分模型结合的植被覆盖度提取实验
4.5.2 基于纹理信息与植被指数结合的植被覆盖度提取实验
4.5.3 植被覆盖度分级定标优选
第五章 水蚀荒漠化遥感信息自动提取实验分析
5.1 水蚀荒漠化遥感信息自动提取实验示范应用
5.2 结果评价
5.2.1 主观评价
5.2.2 客观评价
5.3 水蚀荒漠化遥感信息自动提取流程总结
第六章 结语
6.1 讨论
6.2 结论
6.3 不足与展望
参考文献
攻读硕士学位期间完成的科研成果
致谢
本文编号:3876093
本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3876093.html