本文關(guān)鍵詞：廣西沿海紅樹林信息遙感檢測技術(shù)研究

  更多相關(guān)文章： 紅樹林 遙感 檢測 支持向量機 植被指數(shù) 纓帽變換

【摘要】：紅樹林作為熱帶和亞熱帶沿海灘涂上特有的植被類型和生物資源,具有保護海岸帶的環(huán)境、生態(tài)平衡、生物多樣性的作用。廣西北部灣現(xiàn)存紅樹林8375 hm2,占全國總面積的37%,是中國紅樹林三大重點分布區(qū)之一。紅樹林分布于海陸過渡地帶的泥質(zhì)潮灘上,難以用常規(guī)野外實測方法進行大規(guī)模調(diào)查和監(jiān)測,而遙感技術(shù)提供了一種快速監(jiān)測大面積紅樹林且經(jīng)濟可行的方法。因此研究遙感檢測紅樹林信息的技術(shù),具有重要的意義。本文研究使用多種遙感特征組合檢測紅樹林、監(jiān)測其面積變化。對紅樹林目標進行識別時,特征參數(shù)的選擇對實驗分類效果具有較大影響,不同參數(shù)特征對紅樹林的識別能力不同。因紅樹林的生長特性等原因,部分特征無法有效區(qū)分紅樹林、海水水體與水田。選取覆蓋廣西北部灣鐵山港灣的美國Landsat衛(wèi)星遙感圖像,其中包括廣西山口國家級紅樹林自然保護區(qū),將目標識別區(qū)域劃分為五類,分別為：人工用地,紅樹林,陸生植物,水田和水體。使用灰度共生矩陣法對比度、相關(guān)性、能量、熵構(gòu)成紋理特征向量作為訓(xùn)練集進行支持向量機(SVM)分類測試,實際的分類精度低于30%,不能有效的區(qū)分水田與陸生植物。使用綠度指數(shù)、亮度指數(shù)、差值指數(shù)、歸一化植被指數(shù)等4個特征量進行支持向量機分類測試,能一定程度區(qū)分陸生植被與紅樹林,但水田和紅樹林的分類結(jié)果出現(xiàn)了一定程度的像元混淆,結(jié)果不夠理想。使用纓帽(KT)變換的亮度指數(shù)、綠度植被指數(shù)、濕度指數(shù)等三個特征量作為紅樹林植被識別的數(shù)據(jù)源進行支持向量機分類測試,能一定程度的區(qū)分水田與紅樹林,但對于部分陸生植物和紅樹林卻容易產(chǎn)生像元混合。使用知識規(guī)則方法,考慮紅樹林植被本身所具有的生物特性與生長環(huán)境信息,構(gòu)造具體的知識規(guī)則與判斷閾值范圍,結(jié)合纓帽變換法的特征向量值,能有效識別紅樹林區(qū)域,實驗結(jié)果顯示分類效果較好,精度90%左右。此方法較有效提高分類精度與特征信息提取能力,從而對圖像特征值進行有效處理。本文利用紅樹林生長獨有的濕度特性、分類類別數(shù)量與分類精度的關(guān)系,對信息特征進行分步處理。首先提取濕度指數(shù)特征與綠度指數(shù)特征可作為分類閾值參數(shù)以實現(xiàn)減少非紅樹林樣本的目的,然后通過多步的樣本分析排除與紅樹林差別較大的目標區(qū)域以提高分類精度。結(jié)果表明：多步式紅樹林分類檢測精度顯著高于常用的一次性檢測多類別的方法,使用分步知識規(guī)則的紅樹林區(qū)域檢測分類精度較常用方法有著明顯的提高,由紅樹林分類結(jié)果區(qū)域面積分析,得出紅樹林植被覆蓋面積范圍隨著時間推移有一定程度的減少。
【關(guān)鍵詞】：紅樹林 遙感 檢測 支持向量機 植被指數(shù) 纓帽變換
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：S771.8;TP751
【目錄】：

• 摘要3-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 國內(nèi)外的研究進展9-10
• 1.2 研究方法和內(nèi)容10-12
• 1.2.1 研究方法10-11
• 1.2.2 研究內(nèi)容11-12
• 1.3 研究的技術(shù)路線12-13
• 第2章 紅樹林植被特征提取方法13-27
• 2.1 地域概況及數(shù)據(jù)信息預(yù)處理13-15
• 2.1.1 研究區(qū)域地域概況13
• 2.1.2 遙感數(shù)據(jù)的預(yù)處理13-15
• 2.1.3 植被分類特征常用參數(shù)15
• 2.2 植被指數(shù)特征15-17
• 2.2.1 植被指數(shù)特征參量15-16
• 2.2.2 植被指數(shù)特征參量選擇16-17
• 2.3 灰度共生矩陣法17-20
• 2.3.1 灰度共生矩陣簡介17-19
• 2.3.2 灰度共生矩陣參量提取選擇19-20
• 2.4 纓帽變換20-21
• 2.4.1 纓帽變換簡介20
• 2.4.2 纓帽變換特征參量提取方法20-21
• 2.5 知識規(guī)則21-23
• 2.5.1 知識規(guī)則簡介21
• 2.5.2 知識規(guī)則提取與選擇21
• 2.5.3 知識規(guī)則的建立21-23
• 2.6 TM遙感圖像影像像元亮度值特征23-27
• 2.6.1 遙感影像像元亮度值特征分析24-25
• 2.6.2 分類特征選擇及優(yōu)劣性判斷25-27
• 第3章 支持向量機方法的紅樹林植被分類27-32
• 3.1 樹林識別分類算法27-29
• 3.1.1 支持向量機基本理論27-29
• 3.2 基于支持向量機神經(jīng)網(wǎng)絡(luò)的紅樹林分類方法29-32
• 3.2.1 支持向量機分類理論29-30
• 3.2.2 支持向量機分類器核函數(shù)選取30-31
• 3.2.3 各個特征值對應(yīng)的支持向量機分類流程圖31-32
• 第4章 紅樹林分類結(jié)果與分析32-45
• 4.1 實驗提取特征數(shù)據(jù)32-39
• 4.1.1 Landsat-TM各波段數(shù)據(jù)33-35
• 4.1.2 六種地表參量的圖像結(jié)果35-37
• 4.1.3 四種紋理特征圖像37-38
• 4.1.4 纓帽變換特征圖像38-39
• 4.2 實驗過程39-45
• 4.2.1 參數(shù)設(shè)定40
• 4.2.2 結(jié)果與分析40-43
• 4.2.3 結(jié)論與討論43-45
• 第5章 結(jié)論45-47
• 參考文獻47-50
• 攻讀碩士期間發(fā)表的學(xué)術(shù)論文50-51
• 致謝51-52

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 甄計國;王義德;趙軍;;興隆山國家級自然保護區(qū)的植被指數(shù)及其變化特征[J];遙感技術(shù)與應(yīng)用;2006年04期

2 王福民;黃敬峰;王秀珍;;基于水稻背景特性的植被指數(shù)參數(shù)修正研究[J];農(nóng)業(yè)工程學(xué)報;2008年05期

3 陳鵬飛;Nicolas Tremblay;王紀華;Philippe Vigneault;黃文江;李保國;;估測作物冠層生物量的新植被指數(shù)的研究[J];光譜學(xué)與光譜分析;2010年02期

4 解文歡;張有智;吳黎;;基于植被指數(shù)對望奎縣糧食作物產(chǎn)量預(yù)測方法的研究[J];黑龍江農(nóng)業(yè)科學(xué);2011年04期

5 康耀江;;植被指數(shù)在草地遙感中的應(yīng)用初探[J];湖南農(nóng)業(yè)科學(xué);2011年Z1期

6 夏雙;阮仁宗;顏梅春;;基于植被指數(shù)模型的淡水湖泊濕地景觀信息提取[J];地理空間信息;2012年06期

7 黎夏;二軸土壤背景糾正的植被指數(shù)及其在華南水稻遙感估產(chǎn)中的應(yīng)用[J];環(huán)境遙感;1993年03期

8 蔡斌，陸文杰，鄭新江;氣象衛(wèi)星條件植被指數(shù)監(jiān)測土壤狀況[J];國土資源遙感;1995年04期

9 覃先林,易浩若;MODIS數(shù)據(jù)在樹種長勢監(jiān)測中的應(yīng)用[J];遙感技術(shù)與應(yīng)用;2003年03期

10 安培浚;劉樹林;頡耀文;高峰;;植被指數(shù)遙感定量研究——以民勤綠洲為例[J];遙感技術(shù)與應(yīng)用;2005年06期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 付卓;王錦地;施建成;宋金玲;靳華安;張立新;張鐘軍;趙少杰;陳柏松;;微波植被指數(shù)與光學(xué)植被指數(shù)在地面尺度上的關(guān)系研究[A];遙感定量反演算法研討會摘要集[C];2010年

2 辛紅梅;張杰;馬毅;初佳蘭;;基于植被指數(shù)的赤潮高光譜敏感波段確定方法初探[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文選集[C];2003年

3 范錦龍;;我國晴空分布及對旬合成植被指數(shù)的影響[A];推進氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國氣象學(xué)會2004年年會論文集（下冊）[C];2004年

4 張樹譽;李登科;李星敏;周輝;;遙感植被指數(shù)及其在縣域生態(tài)環(huán)境監(jiān)測評估中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

5 安培浚;頡耀文;;綠洲植被指數(shù)的遙感定量研究-以民勤綠洲為例[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 江東;王乃斌;楊小喚;劉紅輝;;植被指數(shù)—地面溫度特征空間及其應(yīng)用[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

7 傅軍;張杰;辛紅梅;馬毅;;基于植被指數(shù)的高光譜遙感水陸識別方法初探[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

8 肖乾廣;肖嵐;李亞君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的歸一化植被指數(shù)的同化研究[A];全國國土資源與環(huán)境遙感應(yīng)用技術(shù)研討會論文集[C];2009年

9 楊道勇;肖云岫;;利用WT-10接收的1B高分辨云圖數(shù)據(jù)生成植被指數(shù)圖像[A];中國氣象學(xué)會2005年年會論文集[C];2005年

10 何全軍;曹靜;張月維;;基于MODIS的廣東省植被指數(shù)序列構(gòu)建與應(yīng)用[A];中國氣象學(xué)會2007年年會生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會場論文集[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 魏景云;氣象衛(wèi)星監(jiān)測干旱 全國旱情一目了然[N];中國氣象報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 衛(wèi)煒;MODIS雙星數(shù)據(jù)協(xié)同的耕地物候參數(shù)提取方法研究[D];中國農(nóng)業(yè)科學(xué)院;2015年

2 張立福;通用光譜模式分解算法及植被指數(shù)的建立[D];武漢大學(xué);2005年

3 岳文澤;基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[D];華東師范大學(xué);2005年

4 劉占宇;水稻主要病蟲害脅迫遙感監(jiān)測研究[D];浙江大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉吉凱;基于HJ衛(wèi)星數(shù)據(jù)的甘蔗長勢監(jiān)測與估產(chǎn)研究[D];南京信息工程大學(xué);2015年

2 鄭亞云;榆林NDVI時空變化及驅(qū)動因子研究[D];長安大學(xué);2015年

3 何春萌;經(jīng)濟利益驅(qū)動下的工礦開發(fā)對人類生存環(huán)境的影響[D];內(nèi)蒙古大學(xué);2015年

4 劉欣偉;基于遙感數(shù)據(jù)的吉林省旱情監(jiān)測的研究與應(yīng)用[D];吉林農(nóng)業(yè)大學(xué);2015年

5 王亞楠;基于渦度相關(guān)的農(nóng)田碳通量及固碳能力遙感監(jiān)測[D];河南理工大學(xué);2015年

6 王淵博;基于遙感信息的農(nóng)作物生物質(zhì)可獲取量評估及空間分布研究[D];西南交通大學(xué);2016年

7 李相;綠洲—荒漠交錯帶淺層地下水埋深遙感提取實驗分析[D];新疆大學(xué);2016年

8 李明君;基于冬小麥前期光譜信息的播期遙感監(jiān)測研究[D];西安科技大學(xué);2015年

9 張菁;不同磷利用效率基因型水稻的高光譜反射表型量化的初步研究[D];浙江大學(xué);2016年

10 張培贏;基于遙感數(shù)據(jù)的干旱半干旱地區(qū)植被指數(shù)及影響因子研究[D];東北林業(yè)大學(xué);2016年

，

本文編號：518426