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(lèi)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(lèi) 分類(lèi)精度評(píng)價(jià)

【摘要】：草原是陸地上最大的生態(tài)系統(tǒng),對(duì)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(zhǎng)期超載放牧、人為破壞以及氣候等其他因素,我國(guó)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(wèn)題,形勢(shì)相當(dāng)嚴(yán)峻。所以,實(shí)現(xiàn)對(duì)草地動(dòng)態(tài)監(jiān)測(cè),為相關(guān)部門(mén)提供準(zhǔn)確、完整的科學(xué)依據(jù)非常重要。遙感圖像分類(lèi)是草地監(jiān)測(cè)中的熱點(diǎn)研究?jī)?nèi)容,通常采用人機(jī)交互式的方法對(duì)草原生物量進(jìn)行分類(lèi)分析。但是,關(guān)于不同草地類(lèi)型地表物的分類(lèi)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(lèi)型,具有面積大、景觀單一、土地利用類(lèi)型少的特點(diǎn),本文重點(diǎn)研究適宜此類(lèi)草地地表物的分類(lèi)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(shí)驗(yàn)分析,探索適合典型溫性草原地表物的分類(lèi)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(lèi)為目的對(duì)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(qiáng)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(guò)計(jì)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(lèi)處理。本文對(duì)比四種方法對(duì)典型溫性草原進(jìn)行分類(lèi)處理,包括非監(jiān)督分類(lèi)中的ISODATA分類(lèi)方法,K-means分類(lèi)方法以及監(jiān)督分類(lèi)中的最小距離分類(lèi)方法和最大似然分類(lèi)方法；對(duì)分類(lèi)結(jié)果進(jìn)行分類(lèi)后處理,包括主要／次要分析、聚類(lèi)類(lèi)別、類(lèi)別合并、設(shè)置類(lèi)別顏色等。(4)分類(lèi)精度評(píng)價(jià)及分類(lèi)結(jié)果應(yīng)用。使用混淆矩陣評(píng)價(jià)方法對(duì)分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià),并根據(jù)分類(lèi)結(jié)果對(duì)土地利用情況進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明,監(jiān)督分類(lèi)中的最大似然分類(lèi)方法適于典型溫性草原遙感圖像地表物分類(lèi),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(lèi) 分類(lèi)精度評(píng)價(jià)
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：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(lèi)國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 國(guó)外研究現(xiàn)狀10-11
• 1.2.2 國(guó)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(qiáng)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(shí)驗(yàn)23-26
• 3.4 本章小結(jié)26-27
• 4 遙感圖像分類(lèi)27-37
• 4.1 遙感圖像分類(lèi)概論27-28
• 4.1.1 分類(lèi)技術(shù)簡(jiǎn)介27
• 4.1.2 分類(lèi)的基本流程27
• 4.1.3 分類(lèi)的基本原理27-28
• 4.2 遙感圖像非監(jiān)督分類(lèi)28-31
• 4.2.1 K-means分類(lèi)算法28-30
• 4.2.2 ISODATA分類(lèi)算法30-31
• 4.2.3 非監(jiān)督分類(lèi)的優(yōu)缺點(diǎn)31
• 4.3 遙感圖像監(jiān)督分類(lèi)31-34
• 4.3.1 最小距離分類(lèi)方法32-33
• 4.3.2 最大似然分類(lèi)方法33-31
• 4.3.3 監(jiān)督分類(lèi)的優(yōu)缺點(diǎn)31-34
• 4.4 遙感圖像分類(lèi)后處理34-36
• 4.4.1 過(guò)濾類(lèi)別34-35
• 4.4.2 主/次要分析35
• 4.4.3 聚類(lèi)類(lèi)別35-36
• 4.5 本章小結(jié)36-37
• 5 遙感圖像分類(lèi)精度評(píng)價(jià)及分類(lèi)結(jié)果分析37-45
• 5.1 分類(lèi)精度評(píng)價(jià)方法37
• 5.2 分類(lèi)結(jié)果分析37-42
• 5.3 遙感圖像分類(lèi)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(lèi)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(jiǎn)介50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(cè)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(lèi)方法的EM改進(jìn)算法[J];測(cè)繪學(xué)報(bào);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(cè);2002年04期

4 衛(wèi)亞星;王莉雯;;遙感圖像增強(qiáng)方法分析[J];測(cè)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(qiáng)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(shù)分類(lèi)[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(cè)中最佳波段選取的應(yīng)用研究——以烏梁素海域?yàn)槔齕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(lèi)方法研究綜述[J];國(guó)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(guó);王冬;;遙感影像分類(lèi)方法研究動(dòng)態(tài)[J];安徽農(nóng)業(yè)科學(xué);2012年28期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 王新玉;北京市土地利用遙感信息提取及動(dòng)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(jì)算機(jī)分類(lèi)技術(shù)研究[D];昆明理工大學(xué);2006年

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

4 湯曉春;遙感圖像增強(qiáng)方法的研究及實(shí)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(lèi)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(lèi)系統(tǒng)實(shí)現(xiàn)[D];湖北大學(xué);2012年

，

本文編號(hào)：700573