基于深度学习的青藏高原湖泊面积提取及湖泊变化研究
发布时间：2021-04-10 09:40
青藏高原作为众多大江大河的发源地,其湖泊面积的变化对于区域水循环具有重要作用[1]。为了准确地了解青藏高原上2003～2018年这15年来不同类型湖泊的时空变化,本文针对高原湖泊提取的方法进行了研究,引入了目前语义分割领域效果最好的Deeplab v3+算法,提出了一种基于Deeplab v3+的深度学习湖泊提取方法,对比常规的水体指数方法,验证了该方法的可行性,结合Landsat系列多期遥感影像,分别获得了青藏高原2003年、2008年、2013年、2018年的面积>1km2的湖泊分布数据。在提取了4期湖泊信息后,对湖泊的总体变化和24个单体湖泊的变化进行了分析,为青藏高原内典型湖泊的研究提供了最新的数据参考,对区域性资源环境监测以及水资源的合理利用具有重要指导意义。研究所得主要结论如下:（1）基于Deeplab v3+的湖泊提取方法适合高原湖泊的提取。对比常用的水体指数:NDWI,MNDWI,AWEInsh,其精度完全可以满足水体提取的要求,对于冰、雪、湖有很好的区分度,在高原湖泊提取方面有很好的适应性。（2）...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：122 页
【学位级别】：硕士
【部分图文】：
青藏高原卫星影像图
西北大学硕士学位论文14内湖泊面积较为稳定，其次，云量要求尽量低于10%。表2.4青藏高原所需遥感影像行列号行号列号行号列号行号列号131036~041138034~038145035~038132035~041139034~041146035~037133034~040140033~038147035~037134033~040141034~040149033~036135033~040142034~040150033~035136033~039143035~039151033~035137033~041144035~039152033~0352.2.2青藏高原1:100万边界数据本文选取的青藏高原1:100万边界数据来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn/），该数据由全国地理信息资源目录服务系统中1:100万全国基础地理数据库中获得，该数据将青藏高原作为一个整体进行了拼接融合裁剪，于2017年11月份国家基础地理信息中心开始免费向公众提供。图2.2青藏高原1:100万行政边界图
第二章研究区与数据152.2.3青藏高原流域边界数据集（2016）该流域边界数据集包括AmuDayra、雅鲁藏布江流域、恒河流域、河西流域、印度河流域、内流流域、湄公河流域、柴达木流域、萨尔温江流域、塔里木流域、长江流域、黄河流域等12个流域。数据集通过2016年的航天飞机雷达地形任务收集的干涉合成孔径雷达SRTMDEM数据、参考河流、湖泊等水系辅助数据，利用ArcGis水文模型，分析、提取河网获得。该数据集来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn/），原始数据使用的研究区外围边界是基于2500米等高线和国界，本文将研究区外围边界更改为青藏高原1:100万行政边界（Province_Tibet）。该数据集为青藏高原地区以流域为单元的湖泊分析提供流域边界数据支持。图2.3青藏高原流域边界图2.2.4水文数据HydroSHEDS（HydrologicaldataandmapsbasedonShuttleElevationDerivativesatmultipleScales）是指由世界自然基金会保护科学项目（ConservationScienceProgramofWorldWildlifeFund(WWF)）支持的全球尺度流域数据(Lehneretal.)，主要采用SRTM90米空间分辨率全球高程数据产品提取，包括了地表
【参考文献】：
期刊论文
[1]Object Recognition Algorithm Based on an Improved Convolutional Neural Network[J]. Zheyi Fan,Yu Song,Wei Li. Journal of Beijing Institute of Technology. 2020(02)
[2]基于深度置信神经网络的电信客户流失分析[J]. 沈江明,张磊,曾志勇. 通讯世界. 2020(06)
[3]基于样本选择策略的SAR图像半监督分类算法[J]. 王晓昆,温显斌. 天津理工大学学报. 2020(03)
[4]基于ENVI的遥感图像分类方法研究[J]. 李楠,王雪林. 科技创新与生产力. 2020(05)
[5]全球变化下青藏高原湖泊在地表水循环中的作用[J]. 朱立平,彭萍,张国庆,乔宝晋,刘翀,杨瑞敏,王君波. 湖泊科学. 2020(03)
[6]滇中高原湖泊区地表覆盖遥感监测应用研究[J]. 吴阳,甘淑. 水资源开发与管理. 2020(03)
[7]遥感土地利用分类方法应用研究[J]. 彭维,邓雨弦,陈翔盛. 科学技术创新. 2020(06)
[8]青海哈拉湖水文特征分析及水环境问题研究[J]. 张磊,张盛生,田成成. 中国农村水利水电. 2020(01)
[9]近40余年阿牙克库木湖的时序变化研究[J]. 张文春,张理想,马金锋,范洪洋,杨航. 吉林建筑大学学报. 2019(06)
[10]遥感技术在环境监测中的应用[J]. 陈义. 资源节约与环保. 2019(10)
博士论文
[1]利用多源卫星数据研究青藏高原湖泊水储量变化及其影响因素[D]. 黄征凯.武汉大学 2018
[2]高原机场建筑太阳能复合式供暖系统研究[D]. 谢玲.重庆大学 2017
硕士论文
[1]基于Landsat影像的青藏高原东北部典型湖泊面积时序变化研究[D]. 周柯.中国地质大学(北京) 2019
[2]2000年以来青藏高原湖泊面积变化与气候要素的响应关系研究[D]. 闾利.成都理工大学 2019
[3]基于CNN及集成学习的高光谱影像分类方法研究[D]. 周星.哈尔滨工程大学 2019
[4]全球变暖背景下青藏高原湖泊变化特征及其对气候的响应[D]. 曾昔.成都信息工程大学 2018
[5]基于混沌杜鹃搜索算法的高光谱影像波段选择和半监督分类[D]. 胡梦林.武汉大学 2018
[6]青藏高原湖泊环境要素的多源遥感监测及其对气候变化响应[D]. 王智颖.山东师范大学 2017
[7]气候变化背景下羌塘高原湖群分布及演变[D]. 李蒙.中国水利水电科学研究院 2017
[8]基于多源多时相卫星影像的青藏高原湖泊面积动态监测[D]. 杨珂含.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[9]羌塘高原湿地信息提取与典型湿地变化分析[D]. 赵志龙.青海师范大学 2014
[10]青藏高原湖泊对气候变化的响应研究[D]. 张烁.辽宁工程技术大学 2011
本文编号：3129411
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：122 页
【学位级别】：硕士
【部分图文】：
青藏高原卫星影像图
西北大学硕士学位论文14内湖泊面积较为稳定，其次，云量要求尽量低于10%。表2.4青藏高原所需遥感影像行列号行号列号行号列号行号列号131036~041138034~038145035~038132035~041139034~041146035~037133034~040140033~038147035~037134033~040141034~040149033~036135033~040142034~040150033~035136033~039143035~039151033~035137033~041144035~039152033~0352.2.2青藏高原1:100万边界数据本文选取的青藏高原1:100万边界数据来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn/），该数据由全国地理信息资源目录服务系统中1:100万全国基础地理数据库中获得，该数据将青藏高原作为一个整体进行了拼接融合裁剪，于2017年11月份国家基础地理信息中心开始免费向公众提供。图2.2青藏高原1:100万行政边界图
第二章研究区与数据152.2.3青藏高原流域边界数据集（2016）该流域边界数据集包括AmuDayra、雅鲁藏布江流域、恒河流域、河西流域、印度河流域、内流流域、湄公河流域、柴达木流域、萨尔温江流域、塔里木流域、长江流域、黄河流域等12个流域。数据集通过2016年的航天飞机雷达地形任务收集的干涉合成孔径雷达SRTMDEM数据、参考河流、湖泊等水系辅助数据，利用ArcGis水文模型，分析、提取河网获得。该数据集来源于国家青藏高原科学数据中心（http://data.tpdc.ac.cn/），原始数据使用的研究区外围边界是基于2500米等高线和国界，本文将研究区外围边界更改为青藏高原1:100万行政边界（Province_Tibet）。该数据集为青藏高原地区以流域为单元的湖泊分析提供流域边界数据支持。图2.3青藏高原流域边界图2.2.4水文数据HydroSHEDS（HydrologicaldataandmapsbasedonShuttleElevationDerivativesatmultipleScales）是指由世界自然基金会保护科学项目（ConservationScienceProgramofWorldWildlifeFund(WWF)）支持的全球尺度流域数据(Lehneretal.)，主要采用SRTM90米空间分辨率全球高程数据产品提取，包括了地表
【参考文献】：
期刊论文
[1]Object Recognition Algorithm Based on an Improved Convolutional Neural Network[J]. Zheyi Fan,Yu Song,Wei Li. Journal of Beijing Institute of Technology. 2020(02)
[2]基于深度置信神经网络的电信客户流失分析[J]. 沈江明,张磊,曾志勇. 通讯世界. 2020(06)
[3]基于样本选择策略的SAR图像半监督分类算法[J]. 王晓昆,温显斌. 天津理工大学学报. 2020(03)
[4]基于ENVI的遥感图像分类方法研究[J]. 李楠,王雪林. 科技创新与生产力. 2020(05)
[5]全球变化下青藏高原湖泊在地表水循环中的作用[J]. 朱立平,彭萍,张国庆,乔宝晋,刘翀,杨瑞敏,王君波. 湖泊科学. 2020(03)
[6]滇中高原湖泊区地表覆盖遥感监测应用研究[J]. 吴阳,甘淑. 水资源开发与管理. 2020(03)
[7]遥感土地利用分类方法应用研究[J]. 彭维,邓雨弦,陈翔盛. 科学技术创新. 2020(06)
[8]青海哈拉湖水文特征分析及水环境问题研究[J]. 张磊,张盛生,田成成. 中国农村水利水电. 2020(01)
[9]近40余年阿牙克库木湖的时序变化研究[J]. 张文春,张理想,马金锋,范洪洋,杨航. 吉林建筑大学学报. 2019(06)
[10]遥感技术在环境监测中的应用[J]. 陈义. 资源节约与环保. 2019(10)
博士论文
[1]利用多源卫星数据研究青藏高原湖泊水储量变化及其影响因素[D]. 黄征凯.武汉大学 2018
[2]高原机场建筑太阳能复合式供暖系统研究[D]. 谢玲.重庆大学 2017
硕士论文
[1]基于Landsat影像的青藏高原东北部典型湖泊面积时序变化研究[D]. 周柯.中国地质大学(北京) 2019
[2]2000年以来青藏高原湖泊面积变化与气候要素的响应关系研究[D]. 闾利.成都理工大学 2019
[3]基于CNN及集成学习的高光谱影像分类方法研究[D]. 周星.哈尔滨工程大学 2019
[4]全球变暖背景下青藏高原湖泊变化特征及其对气候的响应[D]. 曾昔.成都信息工程大学 2018
[5]基于混沌杜鹃搜索算法的高光谱影像波段选择和半监督分类[D]. 胡梦林.武汉大学 2018
[6]青藏高原湖泊环境要素的多源遥感监测及其对气候变化响应[D]. 王智颖.山东师范大学 2017
[7]气候变化背景下羌塘高原湖群分布及演变[D]. 李蒙.中国水利水电科学研究院 2017
[8]基于多源多时相卫星影像的青藏高原湖泊面积动态监测[D]. 杨珂含.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[9]羌塘高原湿地信息提取与典型湿地变化分析[D]. 赵志龙.青海师范大学 2014
[10]青藏高原湖泊对气候变化的响应研究[D]. 张烁.辽宁工程技术大学 2011
本文编号：3129411
本文链接：https://www.wllwen.com/projectlw/dqwllw/3129411.html
最近更新
教材专著
