基于混合像元分解的东北地区时令水体提取及变化监测

发布时间：2018-05-31 13:20

  本文选题：混合像元分解 + BP神经网络　； 参考：《中国科学院大学(中国科学院东北地理与农业生态研究所)》2017年硕士论文

【摘要】：时令水体通常被划分为一种湿地类型,在水体和湿地之间循环发生着相态的转换,其形成与消失、扩张与收缩,及其所引起的生态环境的变化都反映了一定地域乃至全球的气候变化规律。时令水体在生态系统中的作用不容忽视,为众多生物资源提供了栖息环境,同时也是全球水循环、碳、氮循环的组成部分,具有重要的生态学意义。东北地区地域辽阔,气候类型多样,地貌形态差异明显,在平原区域水体发达、河网密布,湖泊数量众多,发育了众多盐碱湖泊、沼泽洼地、浅水湖泊等对气候变化较为敏感的水体。在全球气候变化的大背景之下,加之人类活动的影响,湿地面积萎缩、地下水资源超采、土地荒漠化以及盐碱化等生态问题,导致东北湖区的生态环境问题日益突出,成为生态环境较为脆弱的区域之一。本文采用高时间分辨率GOCI遥感影像作为数据源,以东北地区湖泊、沼泽集中分布的平原地区作为研究区域,选择了气候、水文条件差异较为明显的特殊年份(丰水年2013年与枯水年2016年)的非结冰期(5月至10月),基于BP神经网络模型对各监测时段研究区的影像进行混合像元分解,进而分别提取了2013年与2016年非结冰期的水体组分信息,进行了高频次的水体组分变化监测,并且分别建立时间序列下的水体组分数据集,逐像元监测了水体组分值在时间序列下的变化,最终提取出在时间序列中发生相态变化的水体像元,即时令水体,同时,通过对时令水体的相态转换频次分析、像元状态的变化分析以及在监测时段内的变化规律等,从不同的角度对时令水体进行变化监测与分析,在研究过程中,主要得到以下结论:(1)基于BP神经网络的水体提取方法相比于传统的水体提取方法(波段比值法、NDWI、MNDWI、谱间关系法、单波段阈值法等)具有更高的提取精度,尤其是对于细小河渠、小型水体以及水陆边界的提取精度要明显优于传统的水体提取方法。(2)本文提出的基于混合像元分解的时令水体面积计算方法可以较为准确的计算出时令水体的面积,实现大面积的时令水体监测与面积计算,通过计算可得,研究区内2013年全年(非结冰期)的时令水体总面积达5819.5km2,2016年全年(非结冰期)的时令水体面积为4398.55km2。(3)东北地区的绝大多数的时令性水体在监测时间段内,会发生1-3次相态转换(水体出现或者水体消失),2013年研究区的时令水体像元发生1-3次相态转换的像元占所有时令水体像元的89.13%,2016年研究区的时令水体像元发生1-3次相态转换的像元占所有时令水体像元的88.41%。(4)统计在各个监测时段内发生水体相态变化(水体出现或者水体消失)的像元个数,根据统计结果,同时结合气温、降雨等气象水文数据,可发现时令水体对于气候条件的变化极为敏感,气候条件的改变会直接反映在时令水体的相态变化之上。(5)在时间序列下,考虑时令水体像元的状态(纯水体像元、混合像元、非水体像元),其中,纯水体像元或者非水体像元的比重越大的像元,在时间序列下变化最为稳定,主要分布在水体的水陆交界处;反之,混合像元的比重越大的像元,在时间序列下变化最为剧烈,主要分布在地势偏低的洼地与河网密集地带。
[Abstract]:The paper uses GOCI remote sensing image as the data source , and then extracts the water body component data set under the background of global climate change . ( 2 ) The total area of the water body in the northeast of 2013 is about 5819.5km2 , and the change of the climate conditions can be directly reflected in the water and land boundary of the water body .
【学位授予单位】：中国科学院大学(中国科学院东北地理与农业生态研究所)
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P332

【相似文献】

相关期刊论文 前10条

1 刘永怀;;混合像元分解的理论与方法——以神木县为例[J];遥感技术与应用;1992年01期

2 张彦,邵美珍;基于径向基函数神经网络的混合像元分解[J];遥感学报;2002年04期

3 唐世浩,朱启疆,李小文,王锦地,阎广建;高光谱与多角度数据联合进行混合像元分解研究[J];遥感学报;2003年03期

4 赵小锋;邱全毅;;4种混合像元分解方法在沿海丘陵城市地表组分分析中的比较研究[J];遥感技术与应用;2009年06期

5 詹锡兰;吴波;;一种基于高斯马尔可夫随机场模型的混合像元分解方法[J];福州大学学报(自然科学版);2011年01期

6 吕长春,王忠武,钱少猛;混合像元分解模型综述[J];遥感信息;2003年03期

7 崔雨勇;曾致远;付必涛;毛典辉;;基于边界提取的混合像元分解[J];人民长江;2008年08期

8 范渭亮;杜华强;周国模;徐小军;崔瑞蕊;董德进;;模拟真实场景的混合像元分解[J];遥感学报;2010年06期

9 吴波;周小成;高海燕;;面向混合像元分解的光谱维小波特征提取[J];华侨大学学报(自然科学版);2008年01期

10 张子石;潘聪;陈红顺;;基于有监督模糊C-均值算法的混合像元分解[J];遥感技术与应用;2009年06期

相关会议论文 前8条

1 王强;黄楠;;混合像元分解研究综述[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

2 胡霞;雷星松;;基于时序的遥感影像混合像元分解模型的研究[A];第十七届中国遥感大会摘要集[C];2010年

3 张良培;丛浩;;一种可选端元的混合像元分解方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 俞晨;邹伟;余先川;;遥感图像混合像元分解方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

5 魏一苇;黄世奇;;高光谱混合像元分解技术研究综述[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

6 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

7 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

8 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];第十七届中国遥感大会摘要集[C];2010年

相关博士学位论文 前4条

1 孔祥兵;基于同质区分析的高光谱影像混合像元分解[D];武汉大学;2012年

2 李二森;高光谱遥感图像混合像元分解的理论与算法研究[D];解放军信息工程大学;2011年

3 李华丽;高光谱遥感影像自动混合像元分解研究[D];武汉大学;2012年

4 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年

相关硕士学位论文 前10条

1 王铭;基于混合像元分解的东北地区时令水体提取及变化监测[D];中国科学院大学(中国科学院东北地理与农业生态研究所);2017年

2 徐双双;基于混合像元分解的高光谱图像去雾方法的研究[D];南京理工大学;2015年

3 韩威宏;基于混合像元分解的遥感产品真实性检验研究[D];电子科技大学;2014年

4 辛蕾;绿潮卫星遥感监测方法精细化研究[D];中国海洋大学;2014年

5 吴明艳;部分植被覆盖下的土壤盐分高光谱遥感反演[D];东南大学;2015年

6 郭阳;联合近似稀疏和全变差正则化的高光谱影像混合像元分解[D];江西科技师范大学;2015年

7 李耀辉;风云气象数据在农情定量监测中的应用研究[D];郑州大学;2016年

8 孔美美;基于混合像元分解的水体提取及变化监测研究[D];华侨大学;2016年

9 崔媛;高光谱图像混合像元分解技术研究[D];沈阳航空航天大学;2016年

10 罗恩湖;基于进化多目标优化的高光谱稀疏混合像元分解技术研究[D];西安电子科技大学;2015年

，

本文编号：1959846