松嫩平原北部典型土壤遥感分类研究
发布时间：2021-02-16 16:52
土地尤为重要,人类的生存、生活和发展离不开土地,而土地中最关键的物质是土壤,它为人类提供基本的生产和生活资料,是自然界内所有生物体得以存在的最根本的载体,对人类的发展起着不可或缺的作用。随着土地规划管理、精准农业等的快速发展,对土壤图的精度提出了更高的要求,同时也为土壤分类提出了更高的要求。传统的土壤分类方法依赖于土壤专家的野外工作及经验,分类过程需耗费大量的人力、物力、财力和时间。因此,高精度、高效的土壤制图方法越来越受到人们的重视。遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,同时世界各国的土壤学家也展开了大量土壤分类研究,并且提出了一些新的分类方法。本研究分别以松嫩平原北部和明水县为研究区,以土壤发生学理论为基础,在土类这一级别从室内土壤高光谱和Sentinel-2A遥感影像两个层次进行土壤分类的研究。选取松嫩平原北部四种典型土壤（黑土、黑钙土、风沙土、草甸土）表层（020 cm）的实验室可见-近红外（4002500 nm）反射光谱为研究对象,利用包络线消除方法处理土壤光谱反射率,分析其反射光谱特征,构建了五个具有明确物...
【文章来源】：东北农业大学黑龙江省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
多层感知器神经网络Fig.1-1Multi-layerperceptronneuralnetworks
图 1-2 决策树Fig. 1-2 Decision tree似然分类法分类法（Maximum Likelihood Classification, MLC）是分类工作中法。该方法的应用首先需要选取感兴趣区，通过对感兴趣区的识和方差等参数，从而得到一个分类函数，然后将待分类的样本代返回值最大的类别作为对象所属类别，进而达到分类的目的。评价方法型精度评价中选用不同的方法。在 K 均值聚类模型中，定义某一类样本，其他则为错误聚类样本，因此，利用正确聚类样本与该为聚类精度。在神经网络和支持向量机分类模型中，主要通过计比，得出其分类精度。在决策树分类模型和最大似然分类模型中度、Kappa 系数和总体精度共同检验分类的精度。
技术路线示意图
【参考文献】：
期刊论文
[1]江汉平原不同土壤类型下土地利用空间结构及变化特征分析[J]. 潘方杰,王宏志,李仁东,王璐瑶. 湖北大学学报(自然科学版). 2018(02)
[2]从问题到解决方案:土壤与可持续发展目标的实现[J]. 张甘霖,吴华勇. 中国科学院院刊. 2018(02)
[3]面向对象随机森林方法在湿地植被分类的应用[J]. 李方方,刘正军,徐强强,任海成. 遥感信息. 2018(01)
[4]基于随机森林算法的特征选择的水稻分类——以南昌市为例[J]. 苏亚麟,吕开云. 江西科学. 2018(01)
[5]土壤地理学的进展与展望[J]. 张甘霖,朱阿兴,史舟,王秋兵,刘宝元,张兴昌,史志华,杨金玲,刘峰,宋效东,吴华勇,曾荣. 地理科学进展. 2018(01)
[6]土壤星地传感技术现状与发展趋势[J]. 史舟,徐冬云,滕洪芬,胡月明,潘贤章,张甘霖. 地理科学进展. 2018(01)
[7]数字土壤制图研究综述与展望[J]. 朱阿兴,杨琳,樊乃卿,曾灿英,张甘霖. 地理科学进展. 2018(01)
[8]基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类[J]. 裴欢,孙天娇,王晓妍. 农业工程学报. 2018(02)
[9]结合空间分析的面向对象无人机影像土地利用分类[J]. 王宏胜,李永树,吴玺,李政. 测绘工程. 2018(02)
[10]江西省红壤地区主要土壤类型的高光谱特性研究[J]. 赵小敏,杨梅花. 土壤学报. 2018(01)
硕士论文
[1]结合高分辨率遥感影像多维特征的森林分类[D]. 白金婷.北京林业大学 2016
[2]模糊土壤制图的研究和应用[D]. 张春弟.华中农业大学 2014
[3]基于高光谱数据的土壤碱化监测研究[D]. 王凯龙.新疆大学 2014
本文编号：3036642
【文章来源】：东北农业大学黑龙江省 211工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
多层感知器神经网络Fig.1-1Multi-layerperceptronneuralnetworks
图 1-2 决策树Fig. 1-2 Decision tree似然分类法分类法（Maximum Likelihood Classification, MLC）是分类工作中法。该方法的应用首先需要选取感兴趣区，通过对感兴趣区的识和方差等参数，从而得到一个分类函数，然后将待分类的样本代返回值最大的类别作为对象所属类别，进而达到分类的目的。评价方法型精度评价中选用不同的方法。在 K 均值聚类模型中，定义某一类样本，其他则为错误聚类样本，因此，利用正确聚类样本与该为聚类精度。在神经网络和支持向量机分类模型中，主要通过计比，得出其分类精度。在决策树分类模型和最大似然分类模型中度、Kappa 系数和总体精度共同检验分类的精度。
技术路线示意图
【参考文献】：
期刊论文
[1]江汉平原不同土壤类型下土地利用空间结构及变化特征分析[J]. 潘方杰,王宏志,李仁东,王璐瑶. 湖北大学学报(自然科学版). 2018(02)
[2]从问题到解决方案:土壤与可持续发展目标的实现[J]. 张甘霖,吴华勇. 中国科学院院刊. 2018(02)
[3]面向对象随机森林方法在湿地植被分类的应用[J]. 李方方,刘正军,徐强强,任海成. 遥感信息. 2018(01)
[4]基于随机森林算法的特征选择的水稻分类——以南昌市为例[J]. 苏亚麟,吕开云. 江西科学. 2018(01)
[5]土壤地理学的进展与展望[J]. 张甘霖,朱阿兴,史舟,王秋兵,刘宝元,张兴昌,史志华,杨金玲,刘峰,宋效东,吴华勇,曾荣. 地理科学进展. 2018(01)
[6]土壤星地传感技术现状与发展趋势[J]. 史舟,徐冬云,滕洪芬,胡月明,潘贤章,张甘霖. 地理科学进展. 2018(01)
[7]数字土壤制图研究综述与展望[J]. 朱阿兴,杨琳,樊乃卿,曾灿英,张甘霖. 地理科学进展. 2018(01)
[8]基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类[J]. 裴欢,孙天娇,王晓妍. 农业工程学报. 2018(02)
[9]结合空间分析的面向对象无人机影像土地利用分类[J]. 王宏胜,李永树,吴玺,李政. 测绘工程. 2018(02)
[10]江西省红壤地区主要土壤类型的高光谱特性研究[J]. 赵小敏,杨梅花. 土壤学报. 2018(01)
硕士论文
[1]结合高分辨率遥感影像多维特征的森林分类[D]. 白金婷.北京林业大学 2016
[2]模糊土壤制图的研究和应用[D]. 张春弟.华中农业大学 2014
[3]基于高光谱数据的土壤碱化监测研究[D]. 王凯龙.新疆大学 2014
本文编号：3036642
本文链接：https://www.wllwen.com/kejilunwen/nykj/3036642.html
