青藏高原作為眾多大江大河的發(fā)源地,其湖泊面積的變化對于區(qū)域水循環(huán)具有重要作用^[1]。為了準確地了解青藏高原上2003～2018年這15年來不同類型湖泊的時空變化,本文針對高原湖泊提取的方法進行了研究,引入了目前語義分割領域效果最好的Deeplab v3+算法,提出了一種基于Deeplab v3+的深度學習湖泊提取方法,對比常規(guī)的水體指數(shù)方法,驗證了該方法的可行性,結(jié)合Landsat系列多期遙感影像,分別獲得了青藏高原2003年、2008年、2013年、2018年的面積>1km²的湖泊分布數(shù)據(jù)。在提取了4期湖泊信息后,對湖泊的總體變化和24個單體湖泊的變化進行了分析,為青藏高原內(nèi)典型湖泊的研究提供了最新的數(shù)據(jù)參考,對區(qū)域性資源環(huán)境監(jiān)測以及水資源的合理利用具有重要指導意義。研究所得主要結(jié)論如下:（1）基于Deeplab v3+的湖泊提取方法適合高原湖泊的提取。對比常用的水體指數(shù):NDWI,MNDWI,AWEI_nsh,其精度完全可以滿足水體提取的要求,對于冰、雪、湖有很好的區(qū)分度,在高原湖泊提取方面有很好的適應性。（2）... 

【文章來源】：西北大學陜西省 211工程院校

【文章頁數(shù)】：122 頁

【學位級別】：碩士

【部分圖文】：

青藏高原衛(wèi)星影像圖

西北大學碩士學位論文14內(nèi)湖泊面積較為穩(wěn)定，其次，云量要求盡量低于10%。表2.4青藏高原所需遙感影像行列號行號列號行號列號行號列號131036~041138034~038145035~038132035~041139034~041146035~037133034~040140033~038147035~037134033~040141034~040149033~036135033~040142034~040150033~035136033~039143035~039151033~035137033~041144035~039152033~0352.2.2青藏高原1:100萬邊界數(shù)據(jù)本文選取的青藏高原1:100萬邊界數(shù)據(jù)來源于國家青藏高原科學數(shù)據(jù)中心（http://data.tpdc.ac.cn/），該數(shù)據(jù)由全國地理信息資源目錄服務系統(tǒng)中1:100萬全國基礎地理數(shù)據(jù)庫中獲得，該數(shù)據(jù)將青藏高原作為一個整體進行了拼接融合裁剪，于2017年11月份國家基礎地理信息中心開始免費向公眾提供。圖2.2青藏高原1:100萬行政邊界圖

第二章研究區(qū)與數(shù)據(jù)152.2.3青藏高原流域邊界數(shù)據(jù)集（2016）該流域邊界數(shù)據(jù)集包括AmuDayra、雅魯藏布江流域、恒河流域、河西流域、印度河流域、內(nèi)流流域、湄公河流域、柴達木流域、薩爾溫江流域、塔里木流域、長江流域、黃河流域等12個流域。數(shù)據(jù)集通過2016年的航天飛機雷達地形任務收集的干涉合成孔徑雷達SRTMDEM數(shù)據(jù)、參考河流、湖泊等水系輔助數(shù)據(jù)，利用ArcGis水文模型，分析、提取河網(wǎng)獲得。該數(shù)據(jù)集來源于國家青藏高原科學數(shù)據(jù)中心（http://data.tpdc.ac.cn/），原始數(shù)據(jù)使用的研究區(qū)外圍邊界是基于2500米等高線和國界，本文將研究區(qū)外圍邊界更改為青藏高原1:100萬行政邊界（Province_Tibet）。該數(shù)據(jù)集為青藏高原地區(qū)以流域為單元的湖泊分析提供流域邊界數(shù)據(jù)支持。圖2.3青藏高原流域邊界圖2.2.4水文數(shù)據(jù)HydroSHEDS（HydrologicaldataandmapsbasedonShuttleElevationDerivativesatmultipleScales）是指由世界自然基金會保護科學項目（ConservationScienceProgramofWorldWildlifeFund(WWF)）支持的全球尺度流域數(shù)據(jù)(Lehneretal.)，主要采用SRTM90米空間分辨率全球高程數(shù)據(jù)產(chǎn)品提取，包括了地表

【參考文獻】：
期刊論文
[1]Object Recognition Algorithm Based on an Improved Convolutional Neural Network[J]. Zheyi Fan,Yu Song,Wei Li.  Journal of Beijing Institute of Technology. 2020(02)
[2]基于深度置信神經(jīng)網(wǎng)絡的電信客戶流失分析[J]. 沈江明,張磊,曾志勇.  通訊世界. 2020(06)
[3]基于樣本選擇策略的SAR圖像半監(jiān)督分類算法[J]. 王曉昆,溫顯斌.  天津理工大學學報. 2020(03)
[4]基于ENVI的遙感圖像分類方法研究[J]. 李楠,王雪林.  科技創(chuàng)新與生產(chǎn)力. 2020(05)
[5]全球變化下青藏高原湖泊在地表水循環(huán)中的作用[J]. 朱立平,彭萍,張國慶,喬寶晉,劉翀,楊瑞敏,王君波.  湖泊科學. 2020(03)
[6]滇中高原湖泊區(qū)地表覆蓋遙感監(jiān)測應用研究[J]. 吳陽,甘淑.  水資源開發(fā)與管理. 2020(03)
[7]遙感土地利用分類方法應用研究[J]. 彭維,鄧雨弦,陳翔盛.  科學技術創(chuàng)新. 2020(06)
[8]青海哈拉湖水文特征分析及水環(huán)境問題研究[J]. 張磊,張盛生,田成成.  中國農(nóng)村水利水電. 2020(01)
[9]近40余年阿牙克庫木湖的時序變化研究[J]. 張文春,張理想,馬金鋒,范洪洋,楊航.  吉林建筑大學學報. 2019(06)
[10]遙感技術在環(huán)境監(jiān)測中的應用[J]. 陳義.  資源節(jié)約與環(huán)保. 2019(10)

博士論文
[1]利用多源衛(wèi)星數(shù)據(jù)研究青藏高原湖泊水儲量變化及其影響因素[D]. 黃征凱.武漢大學 2018
[2]高原機場建筑太陽能復合式供暖系統(tǒng)研究[D]. 謝玲.重慶大學 2017

碩士論文
[1]基于Landsat影像的青藏高原東北部典型湖泊面積時序變化研究[D]. 周柯.中國地質(zhì)大學(北京) 2019
[2]2000年以來青藏高原湖泊面積變化與氣候要素的響應關系研究[D]. 閭利.成都理工大學 2019
[3]基于CNN及集成學習的高光譜影像分類方法研究[D]. 周星.哈爾濱工程大學 2019
[4]全球變暖背景下青藏高原湖泊變化特征及其對氣候的響應[D]. 曾昔.成都信息工程大學 2018
[5]基于混沌杜鵑搜索算法的高光譜影像波段選擇和半監(jiān)督分類[D]. 胡夢林.武漢大學 2018
[6]青藏高原湖泊環(huán)境要素的多源遙感監(jiān)測及其對氣候變化響應[D]. 王智穎.山東師范大學 2017
[7]氣候變化背景下羌塘高原湖群分布及演變[D]. 李蒙.中國水利水電科學研究院 2017
[8]基于多源多時相衛(wèi)星影像的青藏高原湖泊面積動態(tài)監(jiān)測[D]. 楊珂含.中國科學院大學(中國科學院遙感與數(shù)字地球研究所) 2017
[9]羌塘高原濕地信息提取與典型濕地變化分析[D]. 趙志龍.青海師范大學 2014
[10]青藏高原湖泊對氣候變化的響應研究[D]. 張爍.遼寧工程技術大學 2011



本文編號：3129411