長期的土地覆蓋變化序列對于長期氣候、環(huán)境和生態(tài)變化的分析至關(guān)重要。盡管該領(lǐng)域已經(jīng)公開發(fā)布了幾個中分辨率到高分辨率的全球土地覆蓋數(shù)據(jù)集,它們在全球范圍內(nèi)顯示出很強(qiáng)的一致性,但在區(qū)域范圍內(nèi)卻存在較大差異。此外,還沒有2000年以前的高質(zhì)量土地覆蓋數(shù)據(jù)集,并且不同數(shù)據(jù)集之間的分類一致性較差。因此,長期土地覆蓋變化序列對土地覆蓋數(shù)據(jù)集的質(zhì)量和一致性提出了更高的要求。由8個連續(xù)的衛(wèi)星組成的Landsat系列衛(wèi)星影像可以追溯到1972年,具有較長的時間序列,因此該衛(wèi)星影像可以用于生成長時間序列的土地覆蓋數(shù)據(jù)集。此外,新的衛(wèi)星數(shù)據(jù)具有更高的重訪頻率,具有構(gòu)建年內(nèi)時間序列的能力,使得利用時間序列分析來制作高質(zhì)量的土地覆蓋數(shù)據(jù)集成為可能。本文擬充分利用兩類衛(wèi)星數(shù)據(jù)（具有歷史覆蓋能力和年內(nèi)時間序列生成能力的數(shù)據(jù)）的優(yōu)勢,提出了一種基于機(jī)器學(xué)習(xí)的時空擴(kuò)展土地覆蓋制圖的新方法,主要工作包括在時間擴(kuò)展和空間擴(kuò)展的研究。1.在時間擴(kuò)展上,提出了基于已有數(shù)據(jù)集自動、高精度采集樣本的方法以及樣本遷移的新策略。針對現(xiàn)有數(shù)據(jù)集存在的區(qū)域連續(xù)性差和分類精度不高的問題,本文從機(jī)器學(xué)習(xí)分類的角度出發(fā),利用現(xiàn)有方法獲得的2011... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

014年和1986年的夏季地表反射率合成圖

重慶郵電大學(xué)碩士學(xué)位論文第2章常見分類模型概述和數(shù)據(jù)預(yù)處理19表2.3本文研究中的數(shù)據(jù)和說明數(shù)據(jù)日期描述資源獲取LandsatTMandOLI1986~2015本研究中用于長時間序列土地覆蓋制圖的主要數(shù)據(jù)GoogleearthenginedatasetsorUSGS.SRTMGL1_0032000SRTMGL1后續(xù)補(bǔ)充完善的高程數(shù)據(jù)，計算獲取海拔和坡度之類的地形信息，用于輔助分類GoogleearthenginedatasetsorUSGS.基于LCMM的數(shù)據(jù)集2011~2015具有高精度和高一致性的土地覆蓋數(shù)據(jù)集，用于快速準(zhǔn)確地檢索用于機(jī)器學(xué)習(xí)方法的訓(xùn)練樣本http://westdc.westgis.ac.cn/data/6bbf9a3f-e7d8-4255-9ecb-131e1543316d谷歌地球歷史高分辨率影像－高分辨率數(shù)據(jù)用于驗(yàn)證訓(xùn)練樣本和選擇驗(yàn)證樣本，分辨率介于10m-2m，但部分地區(qū)數(shù)據(jù)缺乏從GoogleEarth可獲取的高分辨率歷史數(shù)據(jù)為了制作可用的一致性高的地表反射率合成圖，執(zhí)行以下預(yù)處理程序。(1)CFMASK算法[49]用于生成質(zhì)量評估（QA）波段，根據(jù)QA波段去除云污染。(2)對于Landsat5圖像，由于部分年份的影像在邊緣部分存在噪聲像素，本文采用負(fù)緩沖的方法去除邊緣的不良像素。如圖2.2示例以原始的矢量邊界向內(nèi)緩沖80±5個像素，從而去除影像邊緣上的噪聲像素，并用同物候期正常的影像補(bǔ)充。圖2.2用于去除圖像邊緣噪聲負(fù)緩沖示例(3)采用取中位數(shù)的簡單合成方式，通過計算同一季節(jié)內(nèi)拼接所有的Landsat的中位數(shù)的方式合成影像，并去除異常值。取中值可以避免同期影像中最大值和最小值對合成影像的干擾，在一定程度上降低了噪聲的影響。

重慶郵電大學(xué)碩士學(xué)位論文第2章常見分類模型概述和數(shù)據(jù)預(yù)處理20(4)為了最大程度地減少丟失的數(shù)據(jù)，本文結(jié)合實(shí)際可獲取的影像采用了一種旨在確保數(shù)據(jù)真實(shí)性和完整性的數(shù)據(jù)填補(bǔ)算法[50]來補(bǔ)充數(shù)據(jù)的丟失部分。其具體的實(shí)現(xiàn)思想是：利用遙感影像的時序特性和空間特性來盡最大可能地進(jìn)行數(shù)據(jù)填補(bǔ)，在時間維度上尋找相同物候期時間最接近的影像補(bǔ)充缺失的數(shù)據(jù)，對于無法補(bǔ)充的較小像素進(jìn)一步通過滑動窗口機(jī)制，計算窗口內(nèi)的鄰域像素的平均值作為缺失像素的補(bǔ)充。圖2.3預(yù)處理前后的對比圖（上面為處理前，下面為處理后）經(jīng)過預(yù)處理后的影像去除了云遮蓋、異常值和邊緣鋸齒等噪聲，對缺失的數(shù)據(jù)進(jìn)行了補(bǔ)充，預(yù)處理過程盡可能地保證了輸入數(shù)據(jù)的真實(shí)性和完整性。圖2.3給出了對影像預(yù)處理前后的效果對比圖，對于原始存在的云遮蓋、邊緣鋸齒、異常值以及缺失數(shù)據(jù)的問題，處理后的影像明顯降低了噪音的影響，更加合理和完整。2.5特征的構(gòu)建特征的構(gòu)建對于分類結(jié)果的好壞至關(guān)重要，本文的實(shí)驗(yàn)主要從光譜波段和光譜指數(shù)、紋理信息以及地形等方面構(gòu)建分類器的輸入特征。對于輸入分類器的影像，本文通過年最大歸一化植被指數(shù)NDVI將圖像劃分為植被和非植被區(qū)，本文的閾值為0.30~0.35，大于該閾值的為植被區(qū)，反之則為非植被區(qū)，對于植被區(qū)和非植被區(qū)，本文構(gòu)建了不同的輸入特征。具體的輸入特征列于表2.4中。


本文編號：3423220