發(fā)布時間：2020-07-24 13:00

【摘要】：土地覆被分類對國土資源調查評估及全球變化具有基礎性和關鍵性意義。這些研究最重要的工作之一就是準確高效的獲取土地利用信息,即如何利用多源遙感數(shù)據(jù)快速、準確地進行土地覆被分類。但以中國西南地區(qū)(重慶、四川、貴州)為代表的多云霧山區(qū),以亞熱帶濕潤性季風氣候為主導,空氣濕度大、霧日多,一年中云量大于20%的Landsat OLI影像占90%以上,為山區(qū)土地覆被分類帶來了極大的困難和挑戰(zhàn)。因此,本文以重慶部分地區(qū)為研究區(qū)。首先基于兩景不同云量的Landsat OLI數(shù)據(jù),輔以NDVI、紋理、高程和坡度等信息,采用面向對象分類方法,確定隸屬度函數(shù)并建立分類規(guī)則,進行土地覆被分類;由于SAR數(shù)據(jù)成像不受云霧的影響,本文還采用全極化ALOS-2影像分類,先通過極化SAR濾波和地形校正等預處理,再對其極化特征分解,建立相應的分類規(guī)則進行分類;最后本文還嘗試了將Landsat OLI與ALOS-2數(shù)據(jù)融合,對融合后的數(shù)據(jù)采用面向對象最鄰近分類法提取土地覆被信息。研究得出的主要結論如下:(1)兩景不同云量的光學數(shù)據(jù)分類結果為:云量為26.28%的Landsat OLI數(shù)據(jù)的總精度為58.09%,Kappa系數(shù)為0.4913;云量為8.43%的Landsat OLI數(shù)據(jù)的總精度為82.74%,Kappa系數(shù)為0.791。云量少的數(shù)據(jù)比云量多的數(shù)據(jù)分類精度提高了30%左右。表明云量對光學影像分類精度的影響較大,因此在多云霧山區(qū)尋找其他數(shù)據(jù)代替光學數(shù)據(jù)進行分類勢在必行。(2)對不受云霧影響的ALOS-2微波數(shù)據(jù),首先基于RD定位模型,采用正射校正、后向散射歸一化等方法最大程度地消除地形影響,再進行極化特征分解。采用面向對象分類方法,對ALOS-2進行圖像分割,經過多次調試,確立相應的地物分類算法得到分類結果,總精度為83.80%,Kappa系數(shù)為0.8039。(3)為了更好地提取土地覆被信息,經過不斷嘗試,采用乘積變換方法對Landsat OLI和ALOS-2數(shù)據(jù)進行融合。對于融合后的影像,采用面向對象最鄰近度分類方法進行分類,通過對分類結果進行檢驗,結果顯示:分類總精度為86.97%,Kappa系數(shù)為0.8447,取得了較好的分類精度。(4)就三種數(shù)據(jù)總體分類精度而言,Landsat OLI和ALOS-2融合數(shù)據(jù)分類總體精度最高,Landsat OLI數(shù)據(jù)(云量8.43%)與ALOS-2數(shù)據(jù)總體分類精度其次,Landsat OLI數(shù)據(jù)(云量26.28%)總體分類精度最低。就三種數(shù)據(jù)對各地物類型提取精度而言,Landsat OLI和ALOS-2融合數(shù)據(jù)對林地、耕地、灌草地、園地、水體和人工建筑的提取精度均較高,Landsat OLI數(shù)據(jù)(云量8.43%)僅對灌草地的提取有相對優(yōu)勢,ALOS-2數(shù)據(jù)對林地、水體和人工建筑提取有相對優(yōu)勢。(5)對多云霧山區(qū)土地覆被分類方案選取如下:少云霧時期,應選取獲取方式簡單、數(shù)據(jù)處理容易的Landsat OLI數(shù)據(jù)進行分類,當然若對分類要求較高或需對一級地類再細分時,可選用Landsat OLI和ALOS-2融合數(shù)據(jù)進行土地信息提取。對于多云霧時期,無可利用的光學遙感數(shù)據(jù),全極化ALOS-2數(shù)據(jù)具有很好的替代性。
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P237
【圖文】：

西南大學碩士學位論文思路為代表的多云霧山區(qū)，高質量遙感影像十分稀缺。首先，于 25%的光學影各一景，采用面向對象方法對像進行土地影像獲取困難這一問題，本文選用 SAR 影像并對其進行對象方法進行土地覆被信息提取，以期代替研究區(qū)多云霧；然后，由于光學和 SAR 影像擁有其各自的優(yōu)勢，本文合，并采用融合影像進行分類；最后，通過對不同數(shù)據(jù)云霧山區(qū)土地覆被分類的數(shù)據(jù)和方法，具體技術路線圖如研究區(qū)域

研究區(qū)氣候溫和、降雨量充沛、雨熱同期、四季分明、多云霧、日照少、濕度大。年平均氣溫為 18.5℃，年降水量為 1114.6 mm 左右，多年平均日照時間為 1254.5 小時，屬于低日照區(qū)域。其中云霧山全年霧日多達 204 天，堪稱 世界之最 。2.1.3 研究區(qū)生態(tài)環(huán)境全市水熱條件較好，生境類型豐富，分布有針葉林、闊葉林、針闊混交林、竹林、灌叢、草叢等眾多植被類型，森林覆蓋率達到 40%以上。境內共有 6000 多中國植被類型，有號稱 巴渝峨眉 的縉云山和國家級自然保護區(qū)金佛山，僅亞熱帶植被就達到1700 多種。研究區(qū)地處華鎣山生態(tài)屏障和“四山”生態(tài)保護紅線，地帶性植被為亞熱帶常綠闊葉林和亞熱帶常綠針闊混交林，其中以縉云山植被保存最為完整、物種最豐富。在推進生態(tài)文明建設，深入實施“藍天、碧水、寧靜、綠地、田園”環(huán)保行動，建設長江上游重要生態(tài)屏障，使重慶成為山清水秀美麗之地的戰(zhàn)略背景下，研究區(qū)面臨生態(tài)系統(tǒng)保護與開發(fā)建設之間的壓力較大。

西南大學碩士學位論文表 2.2 ALOS-2 數(shù)據(jù)詳細參數(shù)列表Tab.2.2 Detailed parameter list of ALOS-2 data數(shù)據(jù)模式 帶寬 分辨率 幅寬 極化方式 散射系數(shù) 用式ght）84MHz3*1m(Rg*Az )25km SP -24 dB精受式p)Ultra Fine 84MHz 3m 50 km SP/DP -24 dB Highsensitive42MHz 6m 50 kmSP/DP/FP/CP-28 dB海Fine 28MHz 10m 70 km -26 dB 植式AR)ScanSARnomial14MHz28MHz100m(3looks)350 km(5Scan)SP/DP-26 dB-23 dBScanSARwide14MHz60m(1.5looks)490 km(7Scan)-23 dB海船極化(HH,HV,VV,VH)，DP 雙極化(HH+HV,VV+VH)，F(xiàn)P 全極化(HH+HV+VV+VH)

【參考文獻】

相關期刊論文 前10條

1 王穎潔;劉良云;王志慧;;基于時序Landsat數(shù)據(jù)的三江平原植被地表類型變化遙感探測研究[J];遙感技術與應用;2015年05期

2 王婷婷;李山山;李安;馮旭祥;吳業(yè)煒;;基于Landsat 8衛(wèi)星影像的北京地區(qū)土地覆蓋分類[J];中國圖象圖形學報;2015年09期

3 胡勇;劉良云;CACCETTA Peter;焦全軍;;光譜特征擴展的時間序列Landsat數(shù)據(jù)地表覆蓋分類[J];遙感學報;2015年04期

4 王馨爽;陳爾學;李增元;姚頑強;趙磊;;多時相雙極化合成孔徑雷達干涉測量土地覆蓋分類方法[J];測繪學報;2015年05期

5 馬騰;王耀強;李瑞平;李彪;;基于微波遙感極化目標分解的土地覆蓋/土地利用分類[J];農業(yè)工程學報;2015年02期

6 賈明明;任春穎;劉殿偉;王宗明;湯旭光;董張玉;;基于環(huán)境星與MODIS時序數(shù)據(jù)的面向對象森林植被分類[J];生態(tài)學報;2014年24期

7 左玉珊;王衛(wèi);郝彥莉;劉紅;;基于MODIS影像的土地覆被分類研究——以京津冀地區(qū)為例[J];地理科學進展;2014年11期

8 王彩艷;王璦玲;王介勇;王瑞燕;姜崢嶸;;基于面向對象的海岸帶土地利用信息提取研究[J];自然資源學報;2014年09期

9 許青云;楊貴軍;龍慧靈;王崇倡;李鑫川;黃登成;;基于MODISNDVI多年時序數(shù)據(jù)的農作物種植識別[J];農業(yè)工程學報;2014年11期

10 張紅;葉曦;王超;張波;吳樊;湯益先;;面向對象的高分辨率SAR圖像處理及應用[J];中國圖象圖形學報;2014年03期

相關博士學位論文 前2條

1 朱俊杰;高分辨率光學和SAR遙感數(shù)據(jù)融合及典型目標提取方法研究[D];中國科學院研究生院（遙感應用研究所）;2005年

2 延昊;中國土地覆蓋變化與環(huán)境影響遙感研究[D];中國科學院研究生院（遙感應用研究所）;2002年

相關碩士學位論文 前10條

1 高文杰;土地覆蓋多尺度遙感分類研究[D];云南師范大學;2016年

2 鄭惠茹;基于多源數(shù)據(jù)的山區(qū)巖溶石漠化植被特征研究[D];西南大學;2016年

3 李昕;基于全極化SAR圖像的植被信息提取技術研究[D];電子科技大學;2015年

4 徐黎媛;基于多源數(shù)據(jù)融合的SAR圖像目標識別方法研究[D];電子科技大學;2015年

5 羅丹;高分辨率光學與極化SAR影像城市地物協(xié)同分類[D];重慶交通大學;2015年

6 孔龍騰;基于面向對象的極化SAR地物分類[D];大連海事大學;2015年

7 宋曉陽;面向對象的遙感分類系統(tǒng)研究[D];南京農業(yè)大學;2014年

8 葉愷;山區(qū)星載SAR圖像的預處理及軟件平臺搭建[D];電子科技大學;2014年

9 吳祥;極化SAR與可見光遙感影像融合算法研究[D];杭州電子科技大學;2014年

10 張輝;基于BP神經網(wǎng)絡的遙感影像分類研究[D];山東師范大學;2013年

本文編號：2768879