土地是我國的重要資源,是國家經濟發(fā)展的基礎。真實準確的土地利用信息是合理開發(fā)利用土地資源的主要依據,而快速、精確的獲取土地利用信息,對于及時規(guī)劃和管理國土資源具有重要的意義。伴隨著快速發(fā)展的遙感影像技術,遙感影像被越來越廣泛的應用到土地信息的提取,但隨著城鎮(zhèn)化的不斷發(fā)展,建筑物數(shù)量增加,地物類型也越來越復雜,遙感影像分類技術的發(fā)展并沒有顯著的提高土地利用分類精度,因此從單一的遙感數(shù)據源轉移到多源遙感數(shù)據源的融合。高光譜數(shù)據具有豐富的光譜信息以及波段數(shù)量多等特點,能夠提取比較復雜的土地利用信息,而機載LiDAR數(shù)據具有獨特的高精度三維空間信息,但其缺乏光譜信息,因此提取高光譜數(shù)據中的主成分分析、最小噪聲分離變換、灰度共生矩陣、歸一化植被指數(shù)、歸一化建筑用地指數(shù)以及機載LiDAR數(shù)據的歸一化數(shù)字表面模型、強度進行參數(shù)融合,從而獲得比較準確的土地利用信息。近年來面向對象的分類方法則在一定程度上能夠克服基于像素分類方法的“椒鹽效應”,對提升土地利用信息遙感分類精度具有重要作用,同時分析運用面向對象閾值分類法和傳統(tǒng)監(jiān)督分類法得到的分類結果。因此,本文以甘肅-張掖市部分區(qū)域作為研究區(qū),結合高光譜數(shù)據和機載LiDAR數(shù)據的特點,進行數(shù)據融合提取土地利用信息,主要創(chuàng)新點和結論如下:(1)基于eCognition軟件中的最鄰近分類法,將高光譜數(shù)據變換分析得到的參數(shù)與機載LiDAR數(shù)據的參數(shù)進行融合,為了避免偶然性,對所有參數(shù)的融合進行了最鄰近分類,分類結果表明:高光譜數(shù)據與機載LiDAR數(shù)據融合后的分類結果比單用高光譜數(shù)據的分類效果顯著,其中所有參數(shù)融合中,分類效果最理想的是高光譜數(shù)據主成分分析參數(shù)與機載LiDAR數(shù)據的高程信息參數(shù)、強度信息參數(shù)的融合,總體分類精度為92.06%,比僅用高光譜數(shù)據的總體分類精度提高了7.93%。其他不同參數(shù)融合的分類效果的總體分類精度雖然略低,但分析單個地物的分類精度發(fā)現(xiàn),不同的參數(shù)融合的單個地物類型的分類精度各有不同,故針對不同的單個地物提取的需求,可利用不同的參數(shù)融合來獲得最佳分類效果。(2)針對高光譜數(shù)據參數(shù)與機載LiDAR數(shù)據參數(shù)融合的結果,分別利用面向對象最鄰近分類方法,以及與面向對象最鄰近分類法相似的傳統(tǒng)監(jiān)督分類法、同樣基于對象進行分類的面向對象閾值分類法進行評價比較。得出以下結論:針對高光譜數(shù)據參數(shù)與機載LiDAR數(shù)據參數(shù)融合,面向對象最鄰近分類法的土地利用信息提取效果最佳,總體分類精度比監(jiān)督分類的最大似然法提高了8.56%,比面向對象的閾值分類法的分類精度提高了5.66%,而且各種地物的分類精度也都有所提高。其中在傳統(tǒng)的監(jiān)督分類結果中,很多建筑物和道路因兩者的材料相似,光譜特征相似性很強,由此產生了“同譜異物”現(xiàn)象,建筑物的邊緣被誤分到道路。這與利用高光譜數(shù)據和機載LiDAR數(shù)據融合后,采用面向對象最鄰近分類法的分類結果形成對比,最鄰近分類法有效避免了建筑物誤分,并且面向對象最鄰近分類法過程中選取了特征值作為分類依據,比傳統(tǒng)監(jiān)督分類更精確。另外,在面向對象閾值分類法中通過設著閾值消除建筑物影像的效果顯著,因此,可通過設置某個閾值進行單個地物的提取,但也會使得分類過程在設置閾值時比較繁瑣,對于提取大面積的地物類型不占優(yōu)勢,適用于單個地物類型的需求。(3)本文著重研究高光譜數(shù)據參數(shù)與機載LiDAR數(shù)據參數(shù)融合的方法,以及針對高光譜數(shù)據與機載LiDAR數(shù)據的參數(shù)融合結果,分別分析面向對象的最鄰近分類法、閾值分類法和監(jiān)督分類法的局限性和各自的優(yōu)勢,通過各種參數(shù)融合尋求最佳的土地利用信息提取效果。同時研究發(fā)現(xiàn)針對建筑物陰影比較嚴重區(qū)域可先通過閾值分類中設置閾值去除陰影,再進行相關研究。因此,本文充分利用高光譜數(shù)據與機載LiDAR數(shù)據的優(yōu)勢,對綜合運用多種遙感影像信息,提高土地利用信息提取精度方面具有一定的現(xiàn)實意義。
【學位單位】：山東師范大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：P237
【部分圖文】：

8圖 1-1 技術路線圖主要研究過程如下：（1）機載 LiDAR 數(shù)據預處理對機載 LiDAR 數(shù)據的點云數(shù)據去噪聲與濾波處理；從機載 LiDAR 數(shù)據中分離出非地面點與地面點，進而生成數(shù)字高程模型和數(shù)字表面模型，得到歸一化數(shù)字表面模型；同時利用回波信息得到強度數(shù)據；（2）高光譜數(shù)據預處理及變換分析對高光譜數(shù)據進行了大氣校正預處理，以及對大氣校正后的高光譜數(shù)據與機載 LiDAR數(shù)據進行互配準，進而對高光譜數(shù)據變換分析：主成分分析、最小噪聲分離變換、灰度共生矩陣、歸一化植被指數(shù)、歸一化建筑用地指數(shù)；（3）土地利用信息提取對高光譜數(shù)據的參數(shù)與機載 LiDAR 數(shù)據的參數(shù)進行融合，利用面向對象 eCognition

載 LiDAR 數(shù)據是成條帶狀分布，所選擇的研究區(qū)需是機載 LiDAR 重疊的區(qū)域，因此最后確定甘肅省張掖市的部分區(qū)域作為研究區(qū)。國西部的甘肅省張掖市，地理位置為東經100o6′至100o52′，北緯38o3廊中間位置，地處黑河的上游和中游區(qū)域，其中黑河為中國境內第區(qū)所屬區(qū)域地理位置險要，是西北不同歷史時代文化、政治、經濟中歐大陸內部，因此，典型的溫帶大陸性干旱氣候遍布整個區(qū)域，氣季炎熱，春夏秋冬四個季節(jié)十分明確；年降水量較少；平均氣溫為日照時數(shù) 3000-3600 小時[41]；礦產資源豐富；地勢十分平坦，土壤小麥、蘋果等；有漢、回、蒙、裕固等 22 個民族。研究區(qū)主要包括，地物類型比較豐富，主要有形狀比較規(guī)則的建筑物、草地、合成草比較大的樹木、比較規(guī)則的道路、顯著的小型廣場和操場以及操場區(qū)的主要地物類型基本涵蓋城市用地類型，以此作為土地利用的地

山東師范大學碩士學位論文iDAR 數(shù)據載 LiDAR 工作原理簡介AR 系統(tǒng)利用記錄激光測距系統(tǒng)對地面發(fā)射且接收到的激光信感器到地面反射激光腳點間的距離進行計算，它集 GPS、IMU體；GPS 系統(tǒng)作用是確定機載 LiDAR 系統(tǒng)激光發(fā)射器發(fā)射瞬置信息；IMU 系統(tǒng)測量機載 LiDAR 系統(tǒng)主光軸在發(fā)射激光束并利用幾何的相關原理來計算地面上各激光腳點的坐標數(shù)據[42

【參考文獻】

相關期刊論文 前10條

1 賈偉;高小紅;楊揚;張威;楊靈玉;田成明;;基于Landsat 8 OLI影像的三江源區(qū)表層土壤全氮空間格局反演[J];干旱區(qū)研究;2015年05期

2 孟雪;溫小榮;林國忠;佘光輝;;基于資源3號衛(wèi)星的面向對象地類信息提取方法研究[J];林業(yè)資源管理;2015年04期

3 馮鵬;孟丹;邵俊;羅思恩;;遙感技術在環(huán)境污染監(jiān)測方面的應用[J];科技資訊;2015年17期

4 王宏濤;王變利;;融合LiDAR和多光譜影像的建筑物自動檢測[J];測繪科學;2015年08期

5 張煥雪;曹新;李強子;張淼;鄭新奇;;基于多時相環(huán)境星NDVI時間序列的農作物分類研究[J];遙感技術與應用;2015年02期

6 李愛農;張正健;雷光斌;南希;劉倩楠;趙偉;;四川蘆山“4·20”強烈地震核心區(qū)災損遙感快速調查與評估[J];自然災害學報;2013年06期

7 李光輝;王成;習曉環(huán);鄭照軍;駱社周;岳彩榮;;機載LiDAR和高光譜數(shù)據融合提取冰川雪線[J];國土資源遙感;2013年03期

8 袁定波;劉成林;汪國斌;;面向對象的礦區(qū)信息提取方法的應用與研究[J];遙感信息;2013年02期

9 潘愛民;;激光技術的軍事應用[J];飛航導彈;2013年03期

10 陳衛(wèi)平;王海燕;趙敏;曹廣強;屈穎;;基于多源遙感影像快速更新基礎地理信息技術的研究[J];測繪與空間地理信息;2012年05期

相關博士學位論文 前3條

1 滿其霞;激光雷達和高光譜數(shù)據融合的城市土地利用分類方法研究[D];華東師范大學;2015年

2 方軍;融合LiDAR數(shù)據和高分辨率遙感影像的地物分類方法研究[D];武漢大學;2014年

3 尹艷豹;基于機載激光雷達測量的森林資源調查因子聯(lián)立估計研究[D];中國林業(yè)科學研究院;2010年

相關碩士學位論文 前5條

1 李崇瑞;DLG輔助的機載LiDAR點云數(shù)據濾波研究[D];太原理工大學;2015年

2 杜俊;地面LiDAR與高光譜數(shù)據配準及在單木結構參數(shù)提取中的應用[D];電子科技大學;2015年

3 孫燕霞;基于高空間分辨率遙感影像的土地利用信息提取[D];重慶交通大學;2014年

4 曾靜靜;基于LiDAR點云與CCD影像的建筑物特征提取[D];山東科技大學;2011年

5 齊義娜;面向對象的高分辨率遙感影像信息提取與尺度效應分析[D];東北師范大學;2009年

本文編號：2807838