城市綠地作為調(diào)節(jié)城市生態(tài)環(huán)境、景觀格局、溫度等的重要組成部分,研究其在城市中分布情況具有重要意義,同時(shí)隨著遙感技術(shù)的發(fā)展,使用遙感數(shù)據(jù)與雷達(dá)多源數(shù)據(jù)提取地物具有很大優(yōu)勢(shì),國(guó)內(nèi)外有學(xué)者結(jié)合Sentinel-1A與Sentinel-2A進(jìn)行土地覆被等研究,但未針對(duì)城市綠地進(jìn)行研究,故本文旨在研究新型Sentinel-1A和Sentinel-2A影像數(shù)據(jù)在城市綠地提取上的應(yīng)用。本文以金華市二環(huán)內(nèi)城區(qū)為研究區(qū),以Sentinel-1A和Sentinel-2A為數(shù)據(jù)源,采用面向?qū)ο蠓诸?lèi)方法,進(jìn)行土地分類(lèi)并重點(diǎn)提取綠地,通過(guò)六種數(shù)據(jù)方案,探索S2紅邊波段、S1雷達(dá)數(shù)據(jù)及紋理特征等在綠地提取上相比單一數(shù)據(jù)的優(yōu)勢(shì)。同時(shí),對(duì)比所有特征參與的面向?qū)ο蠓诸?lèi)、隨機(jī)森林特征優(yōu)選后分類(lèi)、結(jié)合類(lèi)層次構(gòu)建與特征優(yōu)選分類(lèi)三種方法,選出最優(yōu)分類(lèi)方案,分析金華市二環(huán)內(nèi)市中心區(qū)域綠地空間分布及季節(jié)變化分析。主要研究結(jié)果為:（1）多源數(shù)據(jù)較單一光學(xué)數(shù)據(jù)在城市綠地提取中有明顯優(yōu)勢(shì),S2A紅邊波段及S1A雷達(dá)數(shù)據(jù)對(duì)城市用地提取均有利,紅邊波段尤其對(duì)綠地的提取有利,雷達(dá)數(shù)據(jù)對(duì)城市人工建設(shè)用地提取有利。結(jié)合Sentinel-1A和Se... 

【文章來(lái)源】：浙江師范大學(xué)浙江省

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

eCognition隸屬度函數(shù)設(shè)置Fig1.2eCognitionmembershipfunctionsettings

1緒論11圖1.3隨機(jī)森林算法原理圖Fig1.3TheschematicdiagramofRandomforestalgorithm隨機(jī)森林算法是應(yīng)用很多的一種算法，它有很多優(yōu)勢(shì)，如準(zhǔn)確率高，能處理高維的信息不需要降維，高效運(yùn)行大數(shù)據(jù)，且可以忽略數(shù)據(jù)值間的差異，不用進(jìn)行歸一化，同時(shí)，能夠評(píng)估各個(gè)特征在分類(lèi)問(wèn)題上的重要性，該優(yōu)勢(shì)也是本文選擇其作為分類(lèi)算法的原因，通過(guò)特征的重要性可以分析各類(lèi)數(shù)據(jù)對(duì)分類(lèi)的貢獻(xiàn)，從而剔除不必要容易造成冗余的特征，選擇出最優(yōu)特征集組合。eCognition軟件中嵌入了隨機(jī)森林算法，在面向?qū)ο蠓诸?lèi)Classfier模塊中，在基于規(guī)則的分類(lèi)過(guò)程中，可以選用隨機(jī)森林算法進(jìn)行，eCognitionDeveloper軟件中包含很多特征獲取，用于構(gòu)建分類(lèi)規(guī)則，但單純依據(jù)實(shí)驗(yàn)獲取區(qū)分地物的規(guī)則，往往需要一遍遍地在eCognition中進(jìn)行試驗(yàn)，需要較多時(shí)間，且主觀性很強(qiáng)，可能并不是最優(yōu)的特征提取閾值，而且在計(jì)算紋理特征時(shí)，速度較慢，復(fù)雜地類(lèi)很難直接找到提取規(guī)則，故可結(jié)合隨機(jī)森林算法進(jìn)行分類(lèi)。對(duì)于特征較多時(shí)，并不是所有特征對(duì)分類(lèi)都有貢獻(xiàn)，隨機(jī)森林算法可對(duì)各特征的重要性進(jìn)行評(píng)分，根據(jù)評(píng)分選擇貢獻(xiàn)較大的特征有利于提高分類(lèi)速度，改善分類(lèi)結(jié)果，本文的方案五則先使用SalfordPredictiveModeler（簡(jiǎn)稱(chēng)SPM）軟件，對(duì)隨機(jī)森林的特征重要性得分進(jìn)行計(jì)算，優(yōu)選分類(lèi)特征，再進(jìn)行分類(lèi)。

2研究區(qū)概況與預(yù)處理13圖2.1研究區(qū)域圖及對(duì)應(yīng)S2A影像Fig2.1StudyareamapandS2Aimage2.2數(shù)據(jù)來(lái)源與預(yù)處理2.2.1遙感數(shù)據(jù)獲取Sentinel-1和2號(hào)衛(wèi)星數(shù)據(jù)為歐洲國(guó)家空間局分別于2014年和2015年，發(fā)射的兩顆衛(wèi)星。哨兵1號(hào)是C波段合成孔徑雷達(dá)數(shù)據(jù)，包含單極化及雙極化模式，歐空局網(wǎng)站（https://scihub.esa.int）支持免費(fèi)下載，可下載Level-0和Level-1級(jí)數(shù)據(jù)，數(shù)據(jù)產(chǎn)品類(lèi)型有兩種，斜距單視產(chǎn)品（SLC產(chǎn)品）和地距多視產(chǎn)品（GRD產(chǎn)品），提供三種成像模式：干涉寬幅模式（IW，分辨率5m*20m）、超幅寬模式（EW，20m*40m）、條帶成像模式（EW，5m*5m），本文選擇IWGRD（干涉寬幅模式的地距多視產(chǎn)品數(shù)據(jù)），極化方式選擇VV+VH模式。哨兵-2號(hào)衛(wèi)星攜帶一枚多光譜成像儀(MSI)，高度為786km，可覆蓋13個(gè)光譜波段，地面分辨率有10m、20m和60m三種，一顆衛(wèi)星的重訪周期為10天，兩顆互補(bǔ)，重訪周期為5天，表2.1為Sentine-2數(shù)據(jù)波段信息介紹。表2.1S2A和S2B數(shù)據(jù)波段詳細(xì)信息Tab2.1S2AandS2Bdatabanddetails波段Sentinel-2ASentine-2B分辨率中心波長(zhǎng)/nm波段寬度/nm/m中心波長(zhǎng)/nm波段寬度/nmB1-海岸波段443.927442.34560B2-藍(lán)波段496.698492.19810

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林和Sentinel-2影像數(shù)據(jù)的低山丘陵區(qū)土地利用分類(lèi)——以重慶市江津區(qū)李市鎮(zhèn)為例[J]. 張衛(wèi)春,劉洪斌,武偉.  長(zhǎng)江流域資源與環(huán)境. 2019(06)
[2]Sentinel-2影像多特征優(yōu)選的黃河三角洲濕地信息提取[J]. 張磊,宮兆寧,王啟為,金點(diǎn)點(diǎn),汪星.  遙感學(xué)報(bào). 2019(02)
[3]基于Sentinel-1A與Sentinel-2A融合的土地利用/覆蓋分類(lèi)研究——以昆明市呈貢區(qū)為例[J]. 關(guān)韻桐,李金平.  測(cè)繪與空間地理信息. 2018(07)
[4]哨兵衛(wèi)星Sentinel-2A數(shù)據(jù)特性及應(yīng)用潛力分析[J]. 陳旭,郝震寰.  科技視界. 2018(16)
[5]集成學(xué)習(xí)之隨機(jī)森林算法綜述[J]. 王奕森,夏樹(shù)濤.  信息通信技術(shù). 2018(01)
[6]基于Sentinel-1A極化SAR數(shù)據(jù)與面向?qū)ο蠓椒ǖ纳絽^(qū)地表覆被分類(lèi)[J]. 向海燕,羅紅霞,劉光鵬,楊任飛,雷茜,程玉絲,陳婧祎.  自然資源學(xué)報(bào). 2017(12)
[7]基于Sentinel-2A時(shí)序數(shù)據(jù)和面向?qū)ο鬀Q策樹(shù)方法的植被識(shí)別[J]. 畢愷藝,牛錚,黃妮,康峻,裴杰.  地理與地理信息科學(xué). 2017(05)
[8]基于WorldView-2影像數(shù)據(jù)對(duì)杭州西湖區(qū)綠地信息提取研究[J]. 錢(qián)軍朝,徐麗華,邱布布,陸張維,龐恩奇,鄭建華.  西南林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)). 2017(04)
[9]哨兵衛(wèi)星Sentinel-1A數(shù)據(jù)特性及應(yīng)用潛力分析[J]. 歐陽(yáng)倫曦,李新情,惠鳳鳴,張寶鋼,程曉.  極地研究. 2017(02)
[10]顧及極化特征的SAR與光學(xué)影像融合與分類(lèi)[J]. 萬(wàn)劍華,臧金霞,劉善偉.  光學(xué)學(xué)報(bào). 2017(06)

博士論文
[1]激光雷達(dá)和高光譜數(shù)據(jù)融合的城市土地利用分類(lèi)方法研究[D]. 滿其霞.華東師范大學(xué) 2015

碩士論文
[1]基于多時(shí)相遙感影像的南京市新增建設(shè)用地提取與分析[D]. 梁昊.南京大學(xué) 2019
[2]高分辨率SAR衛(wèi)星影像洪水區(qū)域提取應(yīng)用研究[D]. 陳志國(guó).武漢大學(xué) 2017
[3]基于Sentinel-1和Landsat 8數(shù)據(jù)的潮間帶鹽沼濕地分類(lèi)研究[D]. 胥為.華東師范大學(xué) 2017
[4]基于易康軟件平臺(tái)下的北京城區(qū)林木樹(shù)冠覆蓋解譯與檢驗(yàn)[D]. 宋宜昊.中國(guó)林業(yè)科學(xué)研究院 2016
[5]基于ZY-3影像的北京市六環(huán)以內(nèi)城市用地信息提取及特征分析[D]. 王彩艷.山東農(nóng)業(yè)大學(xué) 2015
[6]基于高分辨率遙感影像提取城市綠地信息的方法研究[D]. 張金營(yíng).中國(guó)石油大學(xué)（華東） 2012



本文編號(hào)：3065478