【摘要】：土地覆被分類(lèi)對(duì)國(guó)土資源調(diào)查評(píng)估及全球變化具有基礎(chǔ)性和關(guān)鍵性意義。這些研究最重要的工作之一就是準(zhǔn)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(zhǔn)確地進(jìn)行土地覆被分類(lèi)。但以中國(guó)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(rùn)性季風(fēng)氣候?yàn)橹鲗?dǎo),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(lèi)帶來(lái)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?qū)ο蠓诸?lèi)方法,確定隸屬度函數(shù)并建立分類(lèi)規(guī)則,進(jìn)行土地覆被分類(lèi);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(lèi),先通過(guò)極化SAR濾波和地形校正等預(yù)處理,再對(duì)其極化特征分解,建立相應(yīng)的分類(lèi)規(guī)則進(jìn)行分類(lèi);最后本文還嘗試了將Landsat OLI與ALOS-2數(shù)據(jù)融合,對(duì)融合后的數(shù)據(jù)采用面向?qū)ο笞钹徑诸?lèi)法提取土地覆被信息。研究得出的主要結(jié)論如下:(1)兩景不同云量的光學(xué)數(shù)據(jù)分類(lèi)結(jié)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(lèi)精度提高了30%左右。表明云量對(duì)光學(xué)影像分類(lèi)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(xué)數(shù)據(jù)進(jìn)行分類(lèi)勢(shì)在必行。(2)對(duì)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(jìn)行極化特征分解。采用面向?qū)ο蠓诸?lèi)方法,對(duì)ALOS-2進(jìn)行圖像分割,經(jīng)過(guò)多次調(diào)試,確立相應(yīng)的地物分類(lèi)算法得到分類(lèi)結(jié)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(jīng)過(guò)不斷嘗試,采用乘積變換方法對(duì)Landsat OLI和ALOS-2數(shù)據(jù)進(jìn)行融合。對(duì)于融合后的影像,采用面向?qū)ο笞钹徑确诸?lèi)方法進(jìn)行分類(lèi),通過(guò)對(duì)分類(lèi)結(jié)果進(jìn)行檢驗(yàn),結(jié)果顯示:分類(lèi)總精度為86.97%,Kappa系數(shù)為0.8447,取得了較好的分類(lèi)精度。(4)就三種數(shù)據(jù)總體分類(lèi)精度而言,Landsat OLI和ALOS-2融合數(shù)據(jù)分類(lèi)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(lèi)精度其次,Landsat OLI數(shù)據(jù)(云量26.28%)總體分類(lèi)精度最低。就三種數(shù)據(jù)對(duì)各地物類(lèi)型提取精度而言,Landsat OLI和ALOS-2融合數(shù)據(jù)對(duì)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(duì)灌草地的提取有相對(duì)優(yōu)勢(shì),ALOS-2數(shù)據(jù)對(duì)林地、水體和人工建筑提取有相對(duì)優(yōu)勢(shì)。(5)對(duì)多云霧山區(qū)土地覆被分類(lèi)方案選取如下:少云霧時(shí)期,應(yīng)選取獲取方式簡(jiǎn)單、數(shù)據(jù)處理容易的Landsat OLI數(shù)據(jù)進(jìn)行分類(lèi),當(dāng)然若對(duì)分類(lèi)要求較高或需對(duì)一級(jí)地類(lèi)再細(xì)分時(shí),可選用Landsat OLI和ALOS-2融合數(shù)據(jù)進(jìn)行土地信息提取。對(duì)于多云霧時(shí)期,無(wú)可利用的光學(xué)遙感數(shù)據(jù),全極化ALOS-2數(shù)據(jù)具有很好的替代性。
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：P237
【圖文】：

西南大學(xué)碩士學(xué)位論文思路為代表的多云霧山區(qū)，高質(zhì)量遙感影像十分稀缺。首先，于 25%的光學(xué)影各一景，采用面向?qū)ο蠓椒▽?duì)像進(jìn)行土地影像獲取困難這一問(wèn)題，本文選用 SAR 影像并對(duì)其進(jìn)行對(duì)象方法進(jìn)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(xué)和 SAR 影像擁有其各自的優(yōu)勢(shì)，本文合，并采用融合影像進(jìn)行分類(lèi)；最后，通過(guò)對(duì)不同數(shù)據(jù)云霧山區(qū)土地覆被分類(lèi)的數(shù)據(jù)和方法，具體技術(shù)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(shí)間為 1254.5 小時(shí)，屬于低日照區(qū)域。其中云霧山全年霧日多達(dá) 204 天，堪稱(chēng) 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(lèi)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(lèi)型，森林覆蓋率達(dá)到 40%以上。境內(nèi)共有 6000 多中國(guó)植被類(lèi)型，有號(hào)稱(chēng) 巴渝峨眉 的縉云山和國(guó)家級(jí)自然保護(hù)區(qū)金佛山，僅亞熱帶植被就達(dá)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(hù)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(jìn)生態(tài)文明建設(shè)，深入實(shí)施“藍(lán)天、碧水、寧?kù)o、綠地、田園”環(huán)保行動(dòng)，建設(shè)長(zhǎng)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(hù)與開(kāi)發(fā)建設(shè)之間的壓力較大。

西南大學(xué)碩士學(xué)位論文表 2.2 ALOS-2 數(shù)據(jù)詳細(xì)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(xiàn)】

相關(guān)期刊論文 前10條

1 王穎潔;劉良云;王志慧;;基于時(shí)序Landsat數(shù)據(jù)的三江平原植被地表類(lèi)型變化遙感探測(cè)研究[J];遙感技術(shù)與應(yīng)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(lèi)[J];中國(guó)圖象圖形學(xué)報(bào);2015年09期

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

4 王馨爽;陳爾學(xué);李增元;姚頑強(qiáng);趙磊;;多時(shí)相雙極化合成孔徑雷達(dá)干涉測(cè)量土地覆蓋分類(lèi)方法[J];測(cè)繪學(xué)報(bào);2015年05期

5 馬騰;王耀強(qiáng);李瑞平;李彪;;基于微波遙感極化目標(biāo)分解的土地覆蓋/土地利用分類(lèi)[J];農(nóng)業(yè)工程學(xué)報(bào);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(shí)序數(shù)據(jù)的面向?qū)ο笊种脖环诸?lèi)[J];生態(tài)學(xué)報(bào);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(lèi)研究——以京津冀地區(qū)為例[J];地理科學(xué)進(jìn)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?qū)ο蟮暮０稁恋乩眯畔⑻崛⊙芯縖J];自然資源學(xué)報(bào);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(shí)序數(shù)據(jù)的農(nóng)作物種植識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2014年11期

10 張紅;葉曦;王超;張波;吳樊;湯益先;;面向?qū)ο蟮母叻直媛蔛AR圖像處理及應(yīng)用[J];中國(guó)圖象圖形學(xué)報(bào);2014年03期

相關(guān)博士學(xué)位論文 前2條

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

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

相關(guān)碩士學(xué)位論文 前10條

1 高文杰;土地覆蓋多尺度遙感分類(lèi)研究[D];云南師范大學(xué);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(xué);2016年

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

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

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

6 孔龍騰;基于面向?qū)ο蟮臉O化SAR地物分類(lèi)[D];大連海事大學(xué);2015年

7 宋曉陽(yáng);面向?qū)ο蟮倪b感分類(lèi)系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2014年

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

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

10 張輝;基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類(lèi)研究[D];山東師范大學(xué);2013年

本文編號(hào)：2768879