本文關(guān)鍵詞：基于遙感圖像的典型溫性草原地表物的分類研究及應(yīng)用

  更多相關(guān)文章： 典型溫性草原 遙感圖像 最佳波段組合 地表物分類 分類精度評價

【摘要】：草原是陸地上最大的生態(tài)系統(tǒng),對農(nóng)業(yè)、畜牧業(yè)以及在人們的生存和發(fā)展有著舉足輕重的作用。目前,由于長期超載放牧、人為破壞以及氣候等其他因素,我國草地生態(tài)退化嚴(yán)重,草產(chǎn)量下降,引發(fā)大面積沙塵暴、水土流失等生態(tài)環(huán)境問題,形勢相當(dāng)嚴(yán)峻。所以,實現(xiàn)對草地動態(tài)監(jiān)測,為相關(guān)部門提供準(zhǔn)確、完整的科學(xué)依據(jù)非常重要。遙感圖像分類是草地監(jiān)測中的熱點研究內(nèi)容,通常采用人機交互式的方法對草原生物量進(jìn)行分類分析。但是,關(guān)于不同草地類型地表物的分類方法研究較少。內(nèi)蒙古地區(qū)草地資源豐富,其中典型溫性草原是分布較廣的草地類型,具有面積大、景觀單一、土地利用類型少的特點,本文重點研究適宜此類草地地表物的分類方法,并結(jié)合錫林郭勒及呼倫貝爾兩大區(qū)域的典型溫性草原遙感數(shù)據(jù)進(jìn)行實驗分析,探索適合典型溫性草原地表物的分類方法。本文主要內(nèi)容如下：(1)遙感影像的預(yù)處理。以典型溫性草原地表物分類為目的對圖像進(jìn)行預(yù)處理操作,主要包括影像的條帶處理、亮線處理、降噪處理、圖像濾波及圖像增強等。(2)遙感影像的最佳波段選取。在選取研究區(qū)域后按照影像地表物分為草地、林地、耕地、水體、居民用地,充分考慮影像的亮度值及顏色組合,通過計算波段標(biāo)準(zhǔn)差,波段間的相關(guān)系數(shù),選取標(biāo)準(zhǔn)差與相關(guān)系數(shù)相結(jié)合的OIF最優(yōu)波段組合方法將影像7、4、3波段進(jìn)行RGB假彩色組合。(3)遙感影像的分類處理。本文對比四種方法對典型溫性草原進(jìn)行分類處理,包括非監(jiān)督分類中的ISODATA分類方法,K-means分類方法以及監(jiān)督分類中的最小距離分類方法和最大似然分類方法；對分類結(jié)果進(jìn)行分類后處理,包括主要／次要分析、聚類類別、類別合并、設(shè)置類別顏色等。(4)分類精度評價及分類結(jié)果應(yīng)用。使用混淆矩陣評價方法對分類結(jié)果進(jìn)行精度評價,并根據(jù)分類結(jié)果對土地利用情況進(jìn)行分析。實驗結(jié)果表明,監(jiān)督分類中的最大似然分類方法適于典型溫性草原遙感圖像地表物分類,算法不僅效率高,而且能保證數(shù)據(jù)處理的精度要求。
【關(guān)鍵詞】：典型溫性草原 遙感圖像 最佳波段組合 地表物分類 分類精度評價
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要3-4
• Abstract4-10
• 1 緒論10-14
• 1.1 選題背景和意義10
• 1.2 遙感圖像分類國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 國外研究現(xiàn)狀10-11
• 1.2.2 國內(nèi)研究現(xiàn)狀11-12
• 1.3 本文研究的內(nèi)容及章節(jié)安排12-14
• 2 研究區(qū)域概況及圖像預(yù)處理14-22
• 2.1 研究區(qū)域概況14-15
• 2.2 遙感數(shù)據(jù)及處理軟件15-16
• 2.2.1 遙感數(shù)據(jù)15-16
• 2.2.2 處理軟件16
• 2.3 遙感圖像預(yù)處理16-20
• 2.3.1 去條帶處理16-17
• 2.3.2 亮線處理17-18
• 2.3.3 濾波處理18-19
• 2.3.4 彩色增強處理19-20
• 2.4 本章小結(jié)20-22
• 3 遙感圖像的最佳波段組合22-27
• 3.1 遙感圖像波段組合概述22
• 3.2 最佳波段組合方法22-23
• 3.3 波段組合實驗23-26
• 3.4 本章小結(jié)26-27
• 4 遙感圖像分類27-37
• 4.1 遙感圖像分類概論27-28
• 4.1.1 分類技術(shù)簡介27
• 4.1.2 分類的基本流程27
• 4.1.3 分類的基本原理27-28
• 4.2 遙感圖像非監(jiān)督分類28-31
• 4.2.1 K-means分類算法28-30
• 4.2.2 ISODATA分類算法30-31
• 4.2.3 非監(jiān)督分類的優(yōu)缺點31
• 4.3 遙感圖像監(jiān)督分類31-34
• 4.3.1 最小距離分類方法32-33
• 4.3.2 最大似然分類方法33-31
• 4.3.3 監(jiān)督分類的優(yōu)缺點31-34
• 4.4 遙感圖像分類后處理34-36
• 4.4.1 過濾類別34-35
• 4.4.2 主/次要分析35
• 4.4.3 聚類類別35-36
• 4.5 本章小結(jié)36-37
• 5 遙感圖像分類精度評價及分類結(jié)果分析37-45
• 5.1 分類精度評價方法37
• 5.2 分類結(jié)果分析37-42
• 5.3 遙感圖像分類結(jié)果應(yīng)用42-44
• 5.3.1 遙感技術(shù)在土地變化分析中的應(yīng)用42-43
• 5.3.2 遙感圖像分類結(jié)果的應(yīng)用43-44
• 5.4 本章小結(jié)44-45
• 6 總結(jié)與展望45-46
• 6.1 總結(jié)45
• 6.2 展望45-46
• 致謝46-47
• 參考文獻(xiàn)47-49
• 附錄49-50
• 作者簡介50

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 武文波;劉正綱;;一種基于地物波譜特征的最佳波段組合選取方法[J];測繪工程;2007年06期

2 駱劍承,王欽敏,馬江洪,周成虎,梁怡;遙感圖像最大似然分類方法的EM改進(jìn)算法[J];測繪學(xué)報;2002年03期

3 羅音,舒寧;基于信息量確定遙感圖像主要波段的方法[J];城市勘測;2002年04期

4 衛(wèi)亞星;王莉雯;;遙感圖像增強方法分析[J];測繪與空間地理信息;2006年02期

5 張冰;林嵐嵐;騰鵬飛;;淺談遙感圖像增強的處理[J];防護(hù)林科技;2006年02期

6 潘琛;林怡;陳映鷹;;基于多特征的遙感影像決策樹分類[J];光電子.激光;2010年05期

7 張韜;呂洪娟;孫美霞;安慧君;;遙感多光譜數(shù)據(jù)在內(nèi)蒙古西部濕地監(jiān)測中最佳波段選取的應(yīng)用研究——以烏梁素海域為例[J];干旱區(qū)資源與環(huán)境;2007年04期

8 李石華,王金亮,畢艷,陳姚,朱妙園,楊帥,朱佳;遙感圖像分類方法研究綜述[J];國土資源遙感;2005年02期

9 朱曉榮;張懷清;;西洞庭湖濕地遙感最佳波段選擇研究[J];現(xiàn)代農(nóng)業(yè)科技;2012年15期

10 張雁;吳保國;王冬;;遙感影像分類方法研究動態(tài)[J];安徽農(nóng)業(yè)科學(xué);2012年28期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳忠;高分辨率遙感圖像分類技術(shù)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王新玉;北京市土地利用遙感信息提取及動態(tài)變化研究[D];北京林業(yè)大學(xué);2006年

2 楊玉靜;遙感影像的計算機分類技術(shù)研究[D];昆明理工大學(xué);2006年

3 羅揚帆;基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究[D];北京林業(yè)大學(xué);2007年

4 湯曉春;遙感圖像增強方法的研究及實現(xiàn)[D];華中科技大學(xué);2008年

5 魏繼偉;基于遙感圖像的土地利用分類研究[D];東北師范大學(xué);2012年

6 蔣芳;基于MATLAB的遙感圖像SVM分類系統(tǒng)實現(xiàn)[D];湖北大學(xué);2012年

，

本文編號：700573