發(fā)布時間：2018-05-31 13:20

  本文選題：混合像元分解 + BP神經(jīng)網(wǎng)絡　； 參考：《中國科學院大學(中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所)》2017年碩士論文

【摘要】：時令水體通常被劃分為一種濕地類型,在水體和濕地之間循環(huán)發(fā)生著相態(tài)的轉(zhuǎn)換,其形成與消失、擴張與收縮,及其所引起的生態(tài)環(huán)境的變化都反映了一定地域乃至全球的氣候變化規(guī)律。時令水體在生態(tài)系統(tǒng)中的作用不容忽視,為眾多生物資源提供了棲息環(huán)境,同時也是全球水循環(huán)、碳、氮循環(huán)的組成部分,具有重要的生態(tài)學意義。東北地區(qū)地域遼闊,氣候類型多樣,地貌形態(tài)差異明顯,在平原區(qū)域水體發(fā)達、河網(wǎng)密布,湖泊數(shù)量眾多,發(fā)育了眾多鹽堿湖泊、沼澤洼地、淺水湖泊等對氣候變化較為敏感的水體。在全球氣候變化的大背景之下,加之人類活動的影響,濕地面積萎縮、地下水資源超采、土地荒漠化以及鹽堿化等生態(tài)問題,導致東北湖區(qū)的生態(tài)環(huán)境問題日益突出,成為生態(tài)環(huán)境較為脆弱的區(qū)域之一。本文采用高時間分辨率GOCI遙感影像作為數(shù)據(jù)源,以東北地區(qū)湖泊、沼澤集中分布的平原地區(qū)作為研究區(qū)域,選擇了氣候、水文條件差異較為明顯的特殊年份(豐水年2013年與枯水年2016年)的非結(jié)冰期(5月至10月),基于BP神經(jīng)網(wǎng)絡模型對各監(jiān)測時段研究區(qū)的影像進行混合像元分解,進而分別提取了2013年與2016年非結(jié)冰期的水體組分信息,進行了高頻次的水體組分變化監(jiān)測,并且分別建立時間序列下的水體組分數(shù)據(jù)集,逐像元監(jiān)測了水體組分值在時間序列下的變化,最終提取出在時間序列中發(fā)生相態(tài)變化的水體像元,即時令水體,同時,通過對時令水體的相態(tài)轉(zhuǎn)換頻次分析、像元狀態(tài)的變化分析以及在監(jiān)測時段內(nèi)的變化規(guī)律等,從不同的角度對時令水體進行變化監(jiān)測與分析,在研究過程中,主要得到以下結(jié)論:(1)基于BP神經(jīng)網(wǎng)絡的水體提取方法相比于傳統(tǒng)的水體提取方法(波段比值法、NDWI、MNDWI、譜間關(guān)系法、單波段閾值法等)具有更高的提取精度,尤其是對于細小河渠、小型水體以及水陸邊界的提取精度要明顯優(yōu)于傳統(tǒng)的水體提取方法。(2)本文提出的基于混合像元分解的時令水體面積計算方法可以較為準確的計算出時令水體的面積,實現(xiàn)大面積的時令水體監(jiān)測與面積計算,通過計算可得,研究區(qū)內(nèi)2013年全年(非結(jié)冰期)的時令水體總面積達5819.5km2,2016年全年(非結(jié)冰期)的時令水體面積為4398.55km2。(3)東北地區(qū)的絕大多數(shù)的時令性水體在監(jiān)測時間段內(nèi),會發(fā)生1-3次相態(tài)轉(zhuǎn)換(水體出現(xiàn)或者水體消失),2013年研究區(qū)的時令水體像元發(fā)生1-3次相態(tài)轉(zhuǎn)換的像元占所有時令水體像元的89.13%,2016年研究區(qū)的時令水體像元發(fā)生1-3次相態(tài)轉(zhuǎn)換的像元占所有時令水體像元的88.41%。(4)統(tǒng)計在各個監(jiān)測時段內(nèi)發(fā)生水體相態(tài)變化(水體出現(xiàn)或者水體消失)的像元個數(shù),根據(jù)統(tǒng)計結(jié)果,同時結(jié)合氣溫、降雨等氣象水文數(shù)據(jù),可發(fā)現(xiàn)時令水體對于氣候條件的變化極為敏感,氣候條件的改變會直接反映在時令水體的相態(tài)變化之上。(5)在時間序列下,考慮時令水體像元的狀態(tài)(純水體像元、混合像元、非水體像元),其中,純水體像元或者非水體像元的比重越大的像元,在時間序列下變化最為穩(wěn)定,主要分布在水體的水陸交界處;反之,混合像元的比重越大的像元,在時間序列下變化最為劇烈,主要分布在地勢偏低的洼地與河網(wǎng)密集地帶。
[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 .
【學位授予單位】：中國科學院大學(中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所)
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P332

【相似文獻】

相關(guān)期刊論文 前10條

1 劉永懷;;混合像元分解的理論與方法——以神木縣為例[J];遙感技術(shù)與應用;1992年01期

2 張彥,邵美珍;基于徑向基函數(shù)神經(jīng)網(wǎng)絡的混合像元分解[J];遙感學報;2002年04期

3 唐世浩,朱啟疆,李小文,王錦地,閻廣建;高光譜與多角度數(shù)據(jù)聯(lián)合進行混合像元分解研究[J];遙感學報;2003年03期

4 趙小鋒;邱全毅;;4種混合像元分解方法在沿海丘陵城市地表組分分析中的比較研究[J];遙感技術(shù)與應用;2009年06期

5 詹錫蘭;吳波;;一種基于高斯馬爾可夫隨機場模型的混合像元分解方法[J];福州大學學報(自然科學版);2011年01期

6 呂長春,王忠武,錢少猛;混合像元分解模型綜述[J];遙感信息;2003年03期

7 崔雨勇;曾致遠;付必濤;毛典輝;;基于邊界提取的混合像元分解[J];人民長江;2008年08期

8 范渭亮;杜華強;周國模;徐小軍;崔瑞蕊;董德進;;模擬真實場景的混合像元分解[J];遙感學報;2010年06期

9 吳波;周小成;高海燕;;面向混合像元分解的光譜維小波特征提取[J];華僑大學學報(自然科學版);2008年01期

10 張子石;潘聰;陳紅順;;基于有監(jiān)督模糊C-均值算法的混合像元分解[J];遙感技術(shù)與應用;2009年06期

相關(guān)會議論文 前8條

1 王強;黃楠;;混合像元分解研究綜述[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

2 胡霞;雷星松;;基于時序的遙感影像混合像元分解模型的研究[A];第十七屆中國遙感大會摘要集[C];2010年

3 張良培;叢浩;;一種可選端元的混合像元分解方法[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

4 俞晨;鄒偉;余先川;;遙感圖像混合像元分解方法研究[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

5 魏一葦;黃世奇;;高光譜混合像元分解技術(shù)研究綜述[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

6 魏一葦;黃世奇;劉代志;;基于獨立成分分析的高光譜混合像元分解方法[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

7 鄧書斌;陳秋錦;;基于MTMF的混合像元分解方法研究[A];中國遙感應用協(xié)會2010年會暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C];2010年

8 鄧書斌;陳秋錦;;基于MTMF的混合像元分解方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

相關(guān)博士學位論文 前4條

1 孔祥兵;基于同質(zhì)區(qū)分析的高光譜影像混合像元分解[D];武漢大學;2012年

2 李二森;高光譜遙感圖像混合像元分解的理論與算法研究[D];解放軍信息工程大學;2011年

3 李華麗;高光譜遙感影像自動混合像元分解研究[D];武漢大學;2012年

4 許菡;遙感影像混合像元分解新方法及應用研究[D];首都師范大學;2013年

相關(guān)碩士學位論文 前10條

1 王銘;基于混合像元分解的東北地區(qū)時令水體提取及變化監(jiān)測[D];中國科學院大學(中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所);2017年

2 徐雙雙;基于混合像元分解的高光譜圖像去霧方法的研究[D];南京理工大學;2015年

3 韓威宏;基于混合像元分解的遙感產(chǎn)品真實性檢驗研究[D];電子科技大學;2014年

4 辛蕾;綠潮衛(wèi)星遙感監(jiān)測方法精細化研究[D];中國海洋大學;2014年

5 吳明艷;部分植被覆蓋下的土壤鹽分高光譜遙感反演[D];東南大學;2015年

6 郭陽;聯(lián)合近似稀疏和全變差正則化的高光譜影像混合像元分解[D];江西科技師范大學;2015年

7 李耀輝;風云氣象數(shù)據(jù)在農(nóng)情定量監(jiān)測中的應用研究[D];鄭州大學;2016年

8 孔美美;基于混合像元分解的水體提取及變化監(jiān)測研究[D];華僑大學;2016年

9 崔媛;高光譜圖像混合像元分解技術(shù)研究[D];沈陽航空航天大學;2016年

10 羅恩湖;基于進化多目標優(yōu)化的高光譜稀疏混合像元分解技術(shù)研究[D];西安電子科技大學;2015年

，

本文編號：1959846