基于深度学习的干旱区荒漠化遥感动态监测及驱动机制研究

发布时间：2023-04-03 22:23

　　干旱区生态环境与水资源密切相关,荒漠化是反映二者关系的重要变量。因此基于遥感监测荒漠化成为干旱区环境监测的热点。而随着遥感数据源的不断增加,基于深度学习的监测方法也得到快速发展。本文以塔里木河下游段(大西海子水库附近区域)(40°22′31″N～40°45′35″N,87°23′16″E～88°0′15″E)为研究区,以研究区5期(2000年、2005年、2010年、2015年和2018年)Landsat中分辨率遥感卫星影像为基础,基于ENVI 5.5遥感图像软件处理平台进行图像预处理,然后利用深度学习模型对研究区5期近19年的地物进行荒漠、水体、建设用地和耕地的地物分类,获取到满足精度的分类结果;再者,综合运用单一土地动态度、土地利用转移矩阵方法,统计分析该区域荒漠化的年际变化、以及荒漠与其他地物之间的相互转移情况。基于上述分类结果,提取荒漠区,获得归一化植被指数NDVI,进而获取该研究区的植被覆盖度。结合植被覆盖度和荒漠化之间的定量关系,获取了该研究区不同年份的荒漠化等级分类结果,利用转移矩阵方法,分析研究区重度、中度和轻度荒漠化区域之间的相互转化情况。结合自然因子(年均降水量、年...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 技术路线
第二章 研究区概况、数据与方法
    2.1 研究区概况
    2.2 数据准备
    2.3 研究方法
第三章 基于深度学习的荒漠化时空变化分析
    3.1 模型训练分类及结果精度分析
    3.2 基于深度学习模型的地物分类分析
    3.3 基于像元二分模型的荒漠等级划分
    3.4 荒漠化时空变化分析
    3.5 小结
第四章 荒漠化驱动机制研究
    4.1 灰色关联度的驱动机制分析
    4.2 GM(1,1)模型预测
    4.3 荒漠化治理对策和建议
第五章 结论和展望
    5.1 主要结论
    5.2 创新与不足
参考文献
致谢
作者简介
附件



本文编号：3781255