本文著重關(guān)注在經(jīng)濟穩(wěn)步發(fā)展的社會生產(chǎn)背景下縣域土地利用的現(xiàn)狀,借助江西省南昌市南昌縣的2018年Landsat-8影像數(shù)據(jù)源,使用面向?qū)ο蠓?以影像多尺度分割的對象單元為單位,通過C5.0決策樹完成南昌縣土地的一、二級分類,獲取當?shù)赝恋仡愋托畔ⅰ１疚牟扇〉闹饕椒ê蛯嶒瀮?nèi)容包括:第一:利用多尺度分割法,將遙感影像分割成與實際的地物類別相對應(yīng)的影像對象單元,觀察、分析分割尺度、顏色因子、形狀因子等因參在取不同數(shù)值的情況下對分割效果的影響,并從中選取一組最優(yōu)分割參數(shù)下的影像分割結(jié)果作為后續(xù)分類處理的數(shù)據(jù)依據(jù)。第二:基于C5.0決策樹算法進行土地的一、二級分類:結(jié)合研究區(qū)地理環(huán)境和發(fā)展情況,并借鑒土地分類體系標準（GB/T21010-2007）,先將土地一級分類為園林地、耕地、建設(shè)用地、水體和未利用地五大類別;進一步探討在政策方針穩(wěn)定開放、經(jīng)濟建設(shè)大力推進的大好形勢下“建設(shè)用地”的二級細化分類,將“建設(shè)用地”再分為農(nóng)村宅基地、城鎮(zhèn)住宅用地、工業(yè)用地、開發(fā)用地四個類別。實驗結(jié)果表明:相較于面向像元的最大似然法,面向?qū)ο蟮腃5.0決策樹法在考慮傳統(tǒng)像素光譜信息的同時也利用像素和其相鄰像素組成的紋... 

【文章來源】：寧夏大學寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?Ｌａｎｄｓａｔ－８多光譜和全色影像??２．３?Ｌａｎｄｓａｔ－８影像預(yù)處理流程??

所以在中高等尺度的地表覆蓋、地物分類研究過程中常以Ｌａｎｄｓａｔ－８影像作為數(shù)據(jù)源。本論??文的實驗數(shù)據(jù)正是來自于地理空間數(shù)據(jù)云平臺的Ｌａｎｄｓａｔ－８影像，成像時間是２０１８年４月??１０日，條帶號１２１，行號４０。圖２－１為從因特網(wǎng)上下載獲取的Ｌａｎｄｓａｔ－８多光譜和全色影像。??圖２－１?Ｌａｎｄｓａｔ－８多光譜和全色影像??２．３?Ｌａｎｄｓａｔ－８影像預(yù)處理流程??由于遙感影像受衛(wèi)星傳感器、太陽照射、大氣顆粒物等多種外界因素的影響，從網(wǎng)上獲??取的Ｌａｎｄｓａｔ－８遙感數(shù)據(jù)在用于地物信息提取、地物分類之前必須先對其進行預(yù)處理操作，??否則會影響分類精度，導(dǎo)致精度降低。影像的預(yù)處理過程一般包括圖像裁剪、影像融合、??福射定標、大氣校正等步驟，由于下載的Ｌａｎｄｓａｔ－８影像成像寬幅是１８５ｘ１８５ｋｍ２，成像地理??范圍不止南昌縣縣域，所以在進行其它預(yù)處理操作之前，得先對圖像進行裁剪，得到以縣界??為邊界的南昌縣縣境影像。Ｌｅｍｄｓａｔ－８影像的前七個波段組合成一個分辨率為３（）ｍ的多光譜??影像，而第八個全色波段是一個分辨率為１５ｍ的全色影像，因此為了兼顧結(jié)合全色影像空??間分辨率高的優(yōu)勢和多光譜影像的色彩信息，需采用圖像融合技術(shù)對裁剪后的全色和多光譜??影像進行融合

光譜響應(yīng)范圍不同步問題，所以使用ＧＳ法進行融合既能較完善地保持光譜特征，又能不受??波段限制；并且還能滿足絕大部分影像的融合。故本文采用Ｇｒａｍ－Ｓｃｌｕｍｄ算法對裁剪之后??的Ｌａｎｄｓａｔ－８多光譜和全色影像進行融合。圖２－４是融合后的影像效果。再經(jīng)過融合操作之??后，多光譜影像的分辨率從最初原始的３０ｍ提高到和全色影像一樣的１５ｍ，這反映在２－４??的圖中就是融合后影像中的地物更加清晰、不同地物之間的邊界更加鮮明，地物識別度提高。??－１０－??

【參考文獻】：
期刊論文
[1]面向?qū)ο蟮亩喑叨榷嗵卣鞲叻诌b感影像建筑物提取[J]. 呂道雙,林娜,張小青.  北京測繪. 2019(02)
[2]決策樹結(jié)合混合像元分解的中國竹林遙感信息提取[J]. 崔璐,杜華強,周國模,李雪建,毛方杰,徐小軍,范渭亮,李陽光,朱迪恩,劉騰艷,邢璐琪.  遙感學報. 2019(01)
[3]基于不同決策樹的面向?qū)ο罅謪^(qū)遙感影像分類比較[J]. 陳麗萍,孫玉軍.  應(yīng)用生態(tài)學報. 2018(12)
[4]C5.0決策樹Hyperion影像森林類型精細分類方法[J]. 王懷警,譚炳香,房秀鳳,李世明,李太興.  浙江農(nóng)林大學學報. 2018(04)
[5]GF-2影像面向?qū)ο蟮湫统菂^(qū)地物提取方法[J]. 王蕾,楊武年,任金銅,鄧曉宇.  測繪通報. 2018(01)
[6]基于多分類器的C5.0決策樹植被分類方法[J]. 劉丹,楊風暴,衛(wèi)紅,李大威,韓曉峰.  圖學學報. 2017(05)
[7]面向?qū)ο蟮霓r(nóng)村用地信息遙感提取技術(shù)應(yīng)用——以寧夏西吉為例[J]. 陳冬梅,馮策元,周建民,楊華,馬鑫,李蘭蘭,李東.  城市發(fā)展研究. 2017(09)
[8]基于面向?qū)ο笏惴ǖ牡缆沸畔⑻崛⊙芯縖J]. 王旭,戴激光.  測繪與空間地理信息. 2017(09)
[9]面向?qū)ο蟮某擎?zhèn)土地覆蓋信息自動提取方法[J]. 林鵬,阮仁宗,陳遠,柴穎,陶婷.  地理空間信息. 2017(01)
[10]面向?qū)ο蠓诸惖臎Q策樹方法探討——以Landsat-8OLI為例[J]. 張森,陳健飛,龔建周.  測繪科學. 2016(06)

博士論文
[1]基于生態(tài)城市的城市最優(yōu)規(guī)模理論研究與實證分析[D]. 紀愛華.中國海洋大學 2014
[2]高分辨率遙感影像多尺度紋理、形狀特征提取與面向?qū)ο蠓诸愌芯縖D]. 黃昕.武漢大學 2009

碩士論文
[1]基于高分二號影像的面向?qū)ο蠓诸惣夹g(shù)研究[D]. 何志強.安徽理工大學 2018
[2]基于遙感影像與C5.0數(shù)據(jù)挖掘算法的土壤制圖研究[D]. 許偉.華中農(nóng)業(yè)大學 2018
[3]鹽堿地信息提取和變化檢測方法應(yīng)用與比較[D]. 吳靜波.寧夏大學 2018
[4]基于遙感影像的濕地二級分類方法研究[D]. 王江寧.寧夏大學 2018
[5]基于高分二號遙感影像面向?qū)ο蟮某鞘蟹课菪畔⑻崛》椒ㄑ芯縖D]. 胡茂瑩.吉林大學 2016
[6]基于面向?qū)ο鬀Q策樹算法的土地利用遙感分類初步研究[D]. 高帆.云南師范大學 2015
[7]重慶市城市化與產(chǎn)業(yè)生態(tài)化耦合協(xié)調(diào)度研究[D]. 劉子立.西南大學 2015
[8]基于Landsat8數(shù)據(jù)的西寧市土地利用分類方法比較研究[D]. 吳洋.西北農(nóng)林科技大學 2015
[9]遙感圖像分割算法研究與實現(xiàn)[D]. 劉立.燕山大學 2009



本文編號：3016610