干旱區(qū)生態(tài)環(huán)境與水資源密切相關,荒漠化是反映二者關系的重要變量。因此基于遙感監(jiān)測荒漠化成為干旱區(qū)環(huán)境監(jiān)測的熱點。而隨著遙感數(shù)據(jù)源的不斷增加,基于深度學習的監(jiān)測方法也得到快速發(fā)展。本文以塔里木河下游段(大西海子水庫附近區(qū)域)(40°22′31″N～40°45′35″N,87°23′16″E～88°0′15″E)為研究區(qū),以研究區(qū)5期(2000年、2005年、2010年、2015年和2018年)Landsat中分辨率遙感衛(wèi)星影像為基礎,基于ENVI 5.5遙感圖像軟件處理平臺進行圖像預處理,然后利用深度學習模型對研究區(qū)5期近19年的地物進行荒漠、水體、建設用地和耕地的地物分類,獲取到滿足精度的分類結果;再者,綜合運用單一土地動態(tài)度、土地利用轉移矩陣方法,統(tǒng)計分析該區(qū)域荒漠化的年際變化、以及荒漠與其他地物之間的相互轉移情況�；谏鲜龇诸惤Y果,提取荒漠區(qū),獲得歸一化植被指數(shù)NDVI,進而獲取該研究區(qū)的植被覆蓋度。結合植被覆蓋度和荒漠化之間的定量關系,獲取了該研究區(qū)不同年份的荒漠化等級分類結果,利用轉移矩陣方法,分析研究區(qū)重度、中度和輕度荒漠化區(qū)域之間的相互轉化情況。結合自然因子(年均降水量、年...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 研究內容
    1.4 技術路線
第二章 研究區(qū)概況、數(shù)據(jù)與方法
    2.1 研究區(qū)概況
    2.2 數(shù)據(jù)準備
    2.3 研究方法
第三章 基于深度學習的荒漠化時空變化分析
    3.1 模型訓練分類及結果精度分析
    3.2 基于深度學習模型的地物分類分析
    3.3 基于像元二分模型的荒漠等級劃分
    3.4 荒漠化時空變化分析
    3.5 小結
第四章 荒漠化驅動機制研究
    4.1 灰色關聯(lián)度的驅動機制分析
    4.2 GM(1,1)模型預測
    4.3 荒漠化治理對策和建議
第五章 結論和展望
    5.1 主要結論
    5.2 創(chuàng)新與不足
參考文獻
致謝
作者簡介
附件



本文編號：3781255