生态分区耦合地学统计改善Globeland30数据精度研究
发布时间：2021-01-16 17:57
地表覆盖是最常用的表征人类活动或自然过程的指标,而遥感是大范围地表覆盖数据获取的唯一有效手段。但由于光谱混淆、影像分辨率限制以及地物本身的复杂性,从遥感影像分类获得的土地覆盖土地利用（LULC）产品必然包含大量的错误分类或称不确定性像素,分类的精度普遍不高,二级分类更难以得到可靠结果,局部精度评价体系缺失。因此定量评估精度分布情况、修正分类错误,对于全球变化研究、地理国情普查、社会环境规划、生态资源管理等工作均具有重大意义。目前常用的提高分类精度的方法主要分为两类,一类是利用地学知识规则,一类是应用地统计学。常用的评价分类精度的混淆矩阵只能给出总体精度,并不能反映分类精度的空间变化,提供给地表覆盖产品用户的信息是不完整和不确定的,可能会导致不良的应用效果。因此,在常规分类算法获得了地表覆盖分类产品的基础上,如何有效地进一步评价地表覆盖产品精度随空间变化的情况和提升其精度,量化分类的不确定性是十分迫切和必要的。本文针对以往地表覆盖分类产品精度存在的问题,提出了一种耦合生态地理分区专家知识和马尔可夫链地学统计模拟来提高地表覆盖分类产品精度的方法。首先,从网络上收集来源于各个渠道的验证点,并...
【文章来源】：北京建筑大学北京市
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
图2-18个地理分区和14个生物群落[37]
第2章生态地理分区介绍1001热带及亚热带湿润阔叶林02热带和亚热带干旱阔叶林03热带和亚热带针叶林04温带阔叶混交林05温带针叶林06寒带森林/针叶林07热带和亚热带草原，稀树草原和灌丛08温带草原、稀树草原和灌丛09淹水的草原和稀树草原10山地草原和灌丛11苔原12地中海森林、林地和灌丛13沙漠与旱生灌丛14红树林图2-2867个全球生态分区[37]Fig.2-2Eco-regions全球生态地理分区之所以能用来作为协同仿真的辅助数据，是因为其中包含着丰富的可挖掘的地学知识。生态分区的原始数据不仅包含矢量文件，还包括Word文档。这些文档相当于是矢量数据的属性说明，不仅包含各生态分区的代码、名称，还有其所在的地理分区、所具有的生物群落、位置及范围大孝主要动植物、实地照片等。因此其中有不少与土地覆盖和土地利用相关的知识，例如：（1）各生态分区是按照一定的自然地理属性来划分的，各自然地理属性可以用来作为收集地学知识的标准，例如可以根据不同的属性（如DEM、坡度、坡向），来收集所需要的地学知识。例如耕地的分布和海拔、坡度息息相关，水体、湿地、冰川的分布与温度有一定关系等等，因此可以根据自然属性的划分来收集各种可用的地学知识。（2）生态分区内部地表覆盖类型相对稳定，并且生态分区的边界一般不会跨越两种不同类型的地表覆盖，这对于我们的协同仿真至关重要，使得可以选择生态分区作为辅助
第4章实验结果及分析25第4章实验结果及分析4.1实验区介绍首先，对本文所选的实验区进行介绍，研究区概况如下：选取的研究区为东南亚印度尼西亚地区，面积190万平方公里，横跨赤道，处在亚澳两洲之间，濒临印度洋和太平洋。印度尼西亚的生物种类异常丰富，森林覆盖率达到了67.8%，是一个森林覆盖率相当高的国家。之所以选取此研究区，是因为此地地表覆盖板块细碎、类型复杂，而且一般的地表覆盖产品往往精度较低，分类精度亟需改善。如图4-1所示，是本文所选实验区在全球生态地理分区当中的位置。图4-2为实验区所包含的生态分区，图4-3为实验区Globeland30数据2015年分类产品的地表覆盖分类图，由图中也可看出除了海域外，森林覆盖率非常高，其他类别板块细碎。图4-1实验区在全球的位置Figure4-1Locationoftheexperimentalareaintheglobalgeo-ecozoning图4-2实验区生态分区Figure4-2Eco-regionsoftheexperimentalarea
【参考文献】：
期刊论文
[1]深度学习在GlobeLand30-2010产品分类精度优化中应用研究[J]. 刘天福,陈学泓,董琪,曹鑫,陈晋. 遥感技术与应用. 2019(04)
[2]基于生态地理分区的5套土地利用/覆盖数据的不确定性研究[J]. 王洁,张增祥,张委伟. 遥感技术与应用. 2012(06)
[3]遥感专家分类系统在滇西北植被信息提取中的应用试验研究[J]. 甘淑,袁希平,何大明. 云南大学学报(自然科学版). 2003(06)
[4]中国生态区划方案[J]. 傅伯杰,刘国华,陈利顶,马克明,李俊然. 生态学报. 2001(01)
[5]专家系统在TM遥感图像分类中的应用研究[J]. 陈永富,王振琴,张玉贵,张彦忠. 林业科学研究. 1996(04)
[6]基于知识的遥感图像分类系统[J]. 李爱生,黄铁侠,柳健. 华中理工大学学报. 1992(04)
[7]专家系统在森林遥感图象分类中的应用[J]. 周卫阳. 林业科学研究. 1989(05)
硕士论文
[1]全球生态地理分区知识库的构建与应用[D]. 陈旭.北京建筑大学 2017
本文编号：2981278
【文章来源】：北京建筑大学北京市
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
图2-18个地理分区和14个生物群落[37]
第2章生态地理分区介绍1001热带及亚热带湿润阔叶林02热带和亚热带干旱阔叶林03热带和亚热带针叶林04温带阔叶混交林05温带针叶林06寒带森林/针叶林07热带和亚热带草原，稀树草原和灌丛08温带草原、稀树草原和灌丛09淹水的草原和稀树草原10山地草原和灌丛11苔原12地中海森林、林地和灌丛13沙漠与旱生灌丛14红树林图2-2867个全球生态分区[37]Fig.2-2Eco-regions全球生态地理分区之所以能用来作为协同仿真的辅助数据，是因为其中包含着丰富的可挖掘的地学知识。生态分区的原始数据不仅包含矢量文件，还包括Word文档。这些文档相当于是矢量数据的属性说明，不仅包含各生态分区的代码、名称，还有其所在的地理分区、所具有的生物群落、位置及范围大孝主要动植物、实地照片等。因此其中有不少与土地覆盖和土地利用相关的知识，例如：（1）各生态分区是按照一定的自然地理属性来划分的，各自然地理属性可以用来作为收集地学知识的标准，例如可以根据不同的属性（如DEM、坡度、坡向），来收集所需要的地学知识。例如耕地的分布和海拔、坡度息息相关，水体、湿地、冰川的分布与温度有一定关系等等，因此可以根据自然属性的划分来收集各种可用的地学知识。（2）生态分区内部地表覆盖类型相对稳定，并且生态分区的边界一般不会跨越两种不同类型的地表覆盖，这对于我们的协同仿真至关重要，使得可以选择生态分区作为辅助
第4章实验结果及分析25第4章实验结果及分析4.1实验区介绍首先，对本文所选的实验区进行介绍，研究区概况如下：选取的研究区为东南亚印度尼西亚地区，面积190万平方公里，横跨赤道，处在亚澳两洲之间，濒临印度洋和太平洋。印度尼西亚的生物种类异常丰富，森林覆盖率达到了67.8%，是一个森林覆盖率相当高的国家。之所以选取此研究区，是因为此地地表覆盖板块细碎、类型复杂，而且一般的地表覆盖产品往往精度较低，分类精度亟需改善。如图4-1所示，是本文所选实验区在全球生态地理分区当中的位置。图4-2为实验区所包含的生态分区，图4-3为实验区Globeland30数据2015年分类产品的地表覆盖分类图，由图中也可看出除了海域外，森林覆盖率非常高，其他类别板块细碎。图4-1实验区在全球的位置Figure4-1Locationoftheexperimentalareaintheglobalgeo-ecozoning图4-2实验区生态分区Figure4-2Eco-regionsoftheexperimentalarea
【参考文献】：
期刊论文
[1]深度学习在GlobeLand30-2010产品分类精度优化中应用研究[J]. 刘天福,陈学泓,董琪,曹鑫,陈晋. 遥感技术与应用. 2019(04)
[2]基于生态地理分区的5套土地利用/覆盖数据的不确定性研究[J]. 王洁,张增祥,张委伟. 遥感技术与应用. 2012(06)
[3]遥感专家分类系统在滇西北植被信息提取中的应用试验研究[J]. 甘淑,袁希平,何大明. 云南大学学报(自然科学版). 2003(06)
[4]中国生态区划方案[J]. 傅伯杰,刘国华,陈利顶,马克明,李俊然. 生态学报. 2001(01)
[5]专家系统在TM遥感图像分类中的应用研究[J]. 陈永富,王振琴,张玉贵,张彦忠. 林业科学研究. 1996(04)
[6]基于知识的遥感图像分类系统[J]. 李爱生,黄铁侠,柳健. 华中理工大学学报. 1992(04)
[7]专家系统在森林遥感图象分类中的应用[J]. 周卫阳. 林业科学研究. 1989(05)
硕士论文
[1]全球生态地理分区知识库的构建与应用[D]. 陈旭.北京建筑大学 2017
本文编号：2981278
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/2981278.html
