基于高分二号遥感影像的树种分类研究
发布时间：2022-02-25 21:47
森林是最重要的陆地生态系统,掌握森林内树木种类及其分布状况对研究和利用森林生态系统具有重要意义。近年来,国产高分系列和资源系列卫星的陆续发射,极大地丰富了我国高空间分辨率遥感影像的数据来源,为进一步推广国产高分辨率数据在森林树种分类方面的应用,同时探究特征优选、分类方法及时相等对树种分类结果的影响,本研究以北京市延庆区八达岭国家森林公园主体部分为研究区,利用6景高分二号影像为数据源,在分层分类的基础上,展开了相关的森林树种分类研究。主要研究内容如下:（1）为探究多时相下高效精确的树种分类方法,本研究先以6景影像叠合进行树种分类研究。研究先利用支持向量机递归特征消除、C5.0及Feature Space Optimization三种特征优选方法进行特征优选,而后从四种特征维度下实现了面向对象的支持向量机、C5.0决策树和随机森林的森林主要乔木树种分类,最终取得了总体精度介于73.50%至89.00%之间,Kappa系数介于0.70至0.87之间的较好结果。结果表明:C5.0特征优选方法耗时最短（0.67s）且其所选特征应用于分类取得了最高的总体精度（89.00%）;C5.0决策树在各个特...
【文章来源】：北京林业大学北京市211工程院校教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1.绪论
1.1 .研究背景及意义
1.2 .国内外研究现状
1.2.1 .遥感技术在森林植被分类中的应用
1.2.2 .高空间分辨率遥感影像及其分类技术
1.2.3 .遥感影像分类方法
1.3 .研究内容及论文结构
1.3.1 .研究内容
1.3.2 .技术路线
1.3.3 .论文结构
2.研究区及数据集
2.1 .研究区概况
2.1.1 .地理概况
2.1.2 .森林资源
2.2 .数据获取及预处理
2.2.1 .数据获取
2.2.2 .遥感影像预处理
2.2.3 .分类体系的建立
3.乔木林地提取结果及评价
3.1 .多尺度分割参数确定
3.2 .对象特征提取及特征优选结果
3.2.1 .对象特征提取
3.2.2 .第二层分类特征优选结果及评价
3.3 .分类结果及评价
3.3.1 .分类结果评价方法
3.3.2 .分类结果与分析
4.最优特征优选方法和分类器组合的确定
4.1 .多尺度分割参数确定
4.2 .特征优选方法及优选结果
4.3 .分类器相关参数设定
4.4 .各组合分类结果分析与评价
4.4.1 .不同特征维度下的SVM分类结果
4.4.2 .不同特征维度下的C5.0DT分类结果
4.4.3 .不同特征维度下的RF分类结果
4.4.4 .结果分析与评价
4.5 .本章小结
5.树种分类的时相及方法选择
5.1 .影像选择及时相构建
5.2 .多尺度分割参数确定
5.3 .对象特征提取及特征优选结果
5.4 .树种分类结果及精度评价
5.4.1 .基于优选特征的树种分类结果及精度评价
5.4.2 .基于全部特征的树种分类结果及精度评价
5.5 .分析与讨论
5.6 .本章小结
6.结论与展望
6.1 .结论
6.2 .不足与展望
参考文献
个人简介
导师简介
获得成果目录
致谢
【参考文献】：
期刊论文
[1]基于高分二号遥感影像的树种分类方法[J]. 李哲,张沁雨,彭道黎. 遥感技术与应用. 2019(05)
[2]基于卷积神经网络的高分二号影像林分类型分类[J]. 江涛,王新杰. 北京林业大学学报. 2019(09)
[3]基于随机森林特征选择的城市绿化乔木树种分类[J]. 温小乐,钟奥,胡秀娟. 地球信息科学学报. 2018(12)
[4]基于地面激光雷达点云数据的树种识别方法[J]. 王佳,张隆裕,吕春东,牛利伟. 农业机械学报. 2018(11)
[5]基于不同决策树的面向对象林区遥感影像分类比较[J]. 陈丽萍,孙玉军. 应用生态学报. 2018(12)
[6]C5.0决策树Hyperion影像森林类型精细分类方法[J]. 王怀警,谭炳香,房秀凤,李世明,李太兴. 浙江农林大学学报. 2018(04)
[7]高分二号异轨立体数据的森林高度提取[J]. 倪文俭,张大凤,汪垚,庞勇,张志玉,刘见礼,何亚婷,郭伟. 遥感学报. 2018(03)
[8]基于小波纹理和随机森林的猕猴桃果园遥感提取[J]. 宋荣杰,宁纪锋,常庆瑞,班松涛,刘秀英,张宏鸣. 农业机械学报. 2018(04)
[9]基于机载激光雷达和高光谱数据的树种识别方法[J]. 陶江玥,刘丽娟,庞勇,李登秋,冯云云,王雪,丁友丽,彭琼,肖文惠. 浙江农林大学学报. 2018(02)
[10]高分二号数据的城市生态用地分类方法探讨[J]. 王芳,杨武年,邓晓宇,任金铜. 测绘科学. 2018(03)
博士论文
[1]基于多时相遥感数据的农作物分类研究[D]. 郝鹏宇.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]高分辨率遥感森林植被分类提取研究[D]. 李伟涛.北京林业大学 2016
[3]基于知识的高分辨率遥感影像耕地自动提取技术研究[D]. 孙家波.中国农业大学 2014
[4]基于优化决策树的高分辨率遥感影像分类技术研究[D]. 陈丹.武汉大学 2010
[5]面向对象的SPOT5图像森林分类研究[D]. 李春干.北京林业大学 2009
硕士论文
[1]基于深度学习的遥感图像林地识别技术的研究与应用[D]. 白宇.北京邮电大学 2019
[2]基于深度学习的遥感影像分类方法研究[D]. 薛洪飞.哈尔滨工程大学 2019
[3]基于支持向量机的高维不平衡数据二分类方法的研究[D]. 陆俊儒.哈尔滨工业大学 2017
[4]考虑植被季相节律的高分辨率遥感影像城市森林分类[D]. 任芯雨.南京林业大学 2016
[5]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
[6]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
[7]面向对象的林业遥感信息提取方法研究[D]. 王婧.北京林业大学 2013
[8]基于Quick Bird影像的面向对象信息提取方法比较实验研究[D]. 张存.东北大学 2009
本文编号：3643941
【文章来源】：北京林业大学北京市211工程院校教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1.绪论
1.1 .研究背景及意义
1.2 .国内外研究现状
1.2.1 .遥感技术在森林植被分类中的应用
1.2.2 .高空间分辨率遥感影像及其分类技术
1.2.3 .遥感影像分类方法
1.3 .研究内容及论文结构
1.3.1 .研究内容
1.3.2 .技术路线
1.3.3 .论文结构
2.研究区及数据集
2.1 .研究区概况
2.1.1 .地理概况
2.1.2 .森林资源
2.2 .数据获取及预处理
2.2.1 .数据获取
2.2.2 .遥感影像预处理
2.2.3 .分类体系的建立
3.乔木林地提取结果及评价
3.1 .多尺度分割参数确定
3.2 .对象特征提取及特征优选结果
3.2.1 .对象特征提取
3.2.2 .第二层分类特征优选结果及评价
3.3 .分类结果及评价
3.3.1 .分类结果评价方法
3.3.2 .分类结果与分析
4.最优特征优选方法和分类器组合的确定
4.1 .多尺度分割参数确定
4.2 .特征优选方法及优选结果
4.3 .分类器相关参数设定
4.4 .各组合分类结果分析与评价
4.4.1 .不同特征维度下的SVM分类结果
4.4.2 .不同特征维度下的C5.0DT分类结果
4.4.3 .不同特征维度下的RF分类结果
4.4.4 .结果分析与评价
4.5 .本章小结
5.树种分类的时相及方法选择
5.1 .影像选择及时相构建
5.2 .多尺度分割参数确定
5.3 .对象特征提取及特征优选结果
5.4 .树种分类结果及精度评价
5.4.1 .基于优选特征的树种分类结果及精度评价
5.4.2 .基于全部特征的树种分类结果及精度评价
5.5 .分析与讨论
5.6 .本章小结
6.结论与展望
6.1 .结论
6.2 .不足与展望
参考文献
个人简介
导师简介
获得成果目录
致谢
【参考文献】：
期刊论文
[1]基于高分二号遥感影像的树种分类方法[J]. 李哲,张沁雨,彭道黎. 遥感技术与应用. 2019(05)
[2]基于卷积神经网络的高分二号影像林分类型分类[J]. 江涛,王新杰. 北京林业大学学报. 2019(09)
[3]基于随机森林特征选择的城市绿化乔木树种分类[J]. 温小乐,钟奥,胡秀娟. 地球信息科学学报. 2018(12)
[4]基于地面激光雷达点云数据的树种识别方法[J]. 王佳,张隆裕,吕春东,牛利伟. 农业机械学报. 2018(11)
[5]基于不同决策树的面向对象林区遥感影像分类比较[J]. 陈丽萍,孙玉军. 应用生态学报. 2018(12)
[6]C5.0决策树Hyperion影像森林类型精细分类方法[J]. 王怀警,谭炳香,房秀凤,李世明,李太兴. 浙江农林大学学报. 2018(04)
[7]高分二号异轨立体数据的森林高度提取[J]. 倪文俭,张大凤,汪垚,庞勇,张志玉,刘见礼,何亚婷,郭伟. 遥感学报. 2018(03)
[8]基于小波纹理和随机森林的猕猴桃果园遥感提取[J]. 宋荣杰,宁纪锋,常庆瑞,班松涛,刘秀英,张宏鸣. 农业机械学报. 2018(04)
[9]基于机载激光雷达和高光谱数据的树种识别方法[J]. 陶江玥,刘丽娟,庞勇,李登秋,冯云云,王雪,丁友丽,彭琼,肖文惠. 浙江农林大学学报. 2018(02)
[10]高分二号数据的城市生态用地分类方法探讨[J]. 王芳,杨武年,邓晓宇,任金铜. 测绘科学. 2018(03)
博士论文
[1]基于多时相遥感数据的农作物分类研究[D]. 郝鹏宇.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]高分辨率遥感森林植被分类提取研究[D]. 李伟涛.北京林业大学 2016
[3]基于知识的高分辨率遥感影像耕地自动提取技术研究[D]. 孙家波.中国农业大学 2014
[4]基于优化决策树的高分辨率遥感影像分类技术研究[D]. 陈丹.武汉大学 2010
[5]面向对象的SPOT5图像森林分类研究[D]. 李春干.北京林业大学 2009
硕士论文
[1]基于深度学习的遥感图像林地识别技术的研究与应用[D]. 白宇.北京邮电大学 2019
[2]基于深度学习的遥感影像分类方法研究[D]. 薛洪飞.哈尔滨工程大学 2019
[3]基于支持向量机的高维不平衡数据二分类方法的研究[D]. 陆俊儒.哈尔滨工业大学 2017
[4]考虑植被季相节律的高分辨率遥感影像城市森林分类[D]. 任芯雨.南京林业大学 2016
[5]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
[6]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
[7]面向对象的林业遥感信息提取方法研究[D]. 王婧.北京林业大学 2013
[8]基于Quick Bird影像的面向对象信息提取方法比较实验研究[D]. 张存.东北大学 2009
本文编号：3643941
本文链接：https://www.wllwen.com/nykjlw/lylw/3643941.html
