本文關(guān)鍵詞：基于RFC的地表覆蓋信息提取方法研究

  更多相關(guān)文章： Landsat 長時序遙感數(shù)據(jù) 地表覆蓋 RFC 分類特征擴展

【摘要】：有效、實時地獲取真實、準(zhǔn)確的地表覆蓋數(shù)據(jù),可為全球變化和土地覆蓋變化監(jiān)測、可持續(xù)發(fā)展評價及氣候模型、生態(tài)模型的建立等研究提供重要參數(shù)。目前全球或全國范圍內(nèi)土地覆蓋的遙感自動監(jiān)測主要以低分辨率遙感數(shù)據(jù)為主(300m-1km),而這些產(chǎn)品存在空間分辨率低、時間跨度短、且各產(chǎn)品之間存在較大的系統(tǒng)差異。而利用中高分辨率衛(wèi)星數(shù)據(jù)(例如Landsat數(shù)據(jù))進行地表覆蓋監(jiān)測,還存在依賴目視解譯或人工交互的問題,產(chǎn)品的生產(chǎn)周期長、效率低,自動化程度不夠,中高分辨率地表覆蓋產(chǎn)品的自動生產(chǎn)和動態(tài)更新是目前遙感研究的熱點和難點問題之一。論文在研究中高分辨率衛(wèi)星數(shù)據(jù)分類特征選擇及分類器的基礎(chǔ)上,分別以武漢城市群的土地覆蓋和大興安嶺地區(qū)森林覆蓋專題信息提取為例,研究地表覆蓋的遙感自動監(jiān)測方法。首先,論文研究了衛(wèi)星影像分類特征選擇及RF(Random Forest)決策樹分類器,總結(jié)了光譜特征、紋理特征和地形特征等用于影像分類的特點和處理方法;其次,以已有土地覆蓋遙感產(chǎn)品為訓(xùn)練區(qū)樣本,研究建立了研究區(qū)不同土地覆蓋類型的光譜特征、時相特征和紋理特征的RFC(Random Forest Classifier)模型,發(fā)展基于RFC的大區(qū)域土地覆蓋分類方法并得到了武漢城市群的土地覆蓋分類結(jié)果;再次,以已有森林覆蓋遙感產(chǎn)品為基礎(chǔ),研究建立了研究區(qū)森林覆蓋專題信息的光譜特征和紋理特征的RFC模型,發(fā)展基于時空擴展的森林覆蓋專題信息提取方法;最后,基于本文提出的時空擴展的森林覆蓋信息提取方法,論文得到了大興安嶺地區(qū)2000-2015年,5年為間隔,共4期森林覆蓋數(shù)據(jù),并進行了大興安嶺地區(qū)森林覆蓋時空變化分析。論文的主要研究結(jié)果包括以下幾個方面:1.衛(wèi)星影像分類特征選擇及分類器。論文研究了用于分類特征提取的光譜特征、時相特征、紋理特征和地形特征,提出了基于多特征選擇的分類方法,并利用RF機器學(xué)習(xí)算法,進行特征匯聚、特征分析和多特征有效降維。2.基于RFC的大區(qū)域土地覆蓋分類研究。論文在研究大區(qū)域土地覆蓋分類特征的基礎(chǔ)上,首先進行了基于景的RFC土地覆蓋分類試驗,在此基礎(chǔ)上,發(fā)展了基于區(qū)域范圍的RFC模型,利用RFC模型進行基于武漢城市群的Landsat土地覆蓋自動分類,結(jié)果顯示,利用RF決策樹算法可以有效地進行大區(qū)域的土地覆蓋自動分類,分類結(jié)果的總體精度在80%左右。3.基于時空擴展的森林覆蓋專題信息提取。論文首先利用長時序Landsat數(shù)據(jù)進行基于分類特征時間擴展的森林覆蓋信息提取研究,結(jié)果表明,分類特征和Landsat影像數(shù)據(jù)之間的物候差異會引起分類誤差,當(dāng)DOY(Day of Year)小于31時,總體精度為80.18%到90.23%之間;同時論文利用臨近景的Landsat數(shù)據(jù)進行基于分類特征空間擴展的森林覆蓋信息提取研究,結(jié)果表明,在限定的區(qū)域范圍內(nèi),具有相似地物類型的Landsat影像總體分類精度保持在83.96%和90.43%之間。4.大興安嶺地區(qū)森林覆蓋時空變化分析研究。基于論文提出的時空擴展的森林覆蓋信息提取方法,本文獲得了大興安嶺地區(qū)2000-2015年,每5年為間隔,共四期森林覆蓋產(chǎn)品數(shù)據(jù),分析了大興安嶺地區(qū)森林覆蓋時空變化。結(jié)果表明,從2000年到2005年,大興安嶺地區(qū)森林覆蓋先是有微弱減少,然后從2005年到2015年,森林覆蓋面積增長迅速,這與大興安嶺地區(qū)統(tǒng)計年鑒數(shù)據(jù)總體趨勢基本一致。此外,論文分析了引起大興安嶺地區(qū)森林覆蓋變化的驅(qū)動力因素,主要包括經(jīng)濟因素、政策因素和自然因素。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：P237

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛寶;全球土地覆蓋分類系統(tǒng)國際培訓(xùn)與研討會在我校舉行[J];北京師范大學(xué)學(xué)報(自然科學(xué)版);2005年03期

2 蔡紅艷;張樹文;張宇博;;全球環(huán)境變化視角下的土地覆蓋分類系統(tǒng)研究綜述[J];遙感技術(shù)與應(yīng)用;2010年01期

3 王樹根;非洲大陸土地覆蓋分類工程剖析[J];測繪信息與工程;1998年03期

4 宮攀;陳仲新;唐華俊;張鳳榮;;土地覆蓋分類系統(tǒng)研究進展[J];中國農(nóng)業(yè)資源與區(qū)劃;2006年02期

5 韓敏,程磊,唐曉亮,王教河;向海自然保護區(qū)土地覆蓋分類研究[J];應(yīng)用生態(tài)學(xué)報;2005年02期

6 赫英明;王漢杰;張洪峰;;遙感數(shù)據(jù)的土地覆蓋分類[J];解放軍理工大學(xué)學(xué)報(自然科學(xué)版);2011年03期

7 趙建輝;薛萍;高樹孔;;基于1∶50000西部無圖區(qū)土地覆蓋分類應(yīng)用研究[J];測繪與空間地理信息;2012年01期

8 孫丹峰,汲長遠(yuǎn),林培;自組織網(wǎng)絡(luò)在遙感土地覆蓋分類中應(yīng)用研究[J];遙感學(xué)報;1999年02期

9 冉有華;李新;盧玲;;基于多源數(shù)據(jù)融合方法的中國1km土地覆蓋分類制圖[J];地球科學(xué)進展;2009年02期

10 張?zhí)?張友靜;謝麗軍;;結(jié)合豐度特征的決策樹及其土地覆蓋分類[J];遙感信息;2010年05期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 李耀輝;韓濤;;基于EOS/MODIS資料的中國黃土高原西部土地覆蓋分類研究[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

2 郭健;張繼賢;張永紅;曹銀璇;;多時相MODIS影像土地覆蓋分類比較研究[A];中國測繪學(xué)會九屆四次理事會暨2008年學(xué)術(shù)年會論文集[C];2008年

3 孫丹峰;;自組織網(wǎng)絡(luò)與模糊規(guī)則結(jié)合在遙感土地覆蓋分類中的應(yīng)用研究[A];面向21世紀(jì)的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

4 何彬方;范偉;劉慧敏;馮妍;;基于MODIS數(shù)據(jù)的安徽省土地覆蓋分類研究[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

5 劉愛霞;王靜;劉正軍;;基于MODIS數(shù)據(jù)的北京西北部地區(qū)土地資源監(jiān)測研究[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 張曉美;基于RFC的地表覆蓋信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

2 駱成鳳;中國土地覆蓋分類與變化監(jiān)測遙感研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄧鈺;基于MODIS數(shù)據(jù)的云南省土地覆蓋分類研究[D];云南師范大學(xué);2015年

2 楊靖;全極化SAR數(shù)據(jù)土地覆蓋分類能力評價[D];貴州師范大學(xué);2015年

3 孫佳梅;大場景高分辨率PolSAR圖象土地覆蓋分類方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 郝瑩瑩;基于氣候分區(qū)的全球土地覆蓋分類方法[D];重慶郵電大學(xué);2016年

5 邵聰穎;遙感影像土地覆蓋分類地理本體構(gòu)建研究[D];江蘇師范大學(xué);2017年

6 楊玉霞;基于智能算法的土地覆蓋分類研究[D];內(nèi)蒙古師范大學(xué);2012年

7 吳俊杰;基于MODIS植被指數(shù)時序數(shù)據(jù)的東北亞地區(qū)土地覆蓋分類[D];東北師范大學(xué);2010年

8 李思慧;基于MODIS的蒙東地區(qū)土地覆蓋分類及退耕還林還草變化監(jiān)測研究[D];東北師范大學(xué);2010年

9 李懷霄;基于模型聚類和SVM的土地覆蓋分類研究[D];陜西師范大學(xué);2014年

10 徐康;基于FY-3A MERSI資料的中國區(qū)域土地覆蓋分類研究[D];南京信息工程大學(xué);2014年

，

本文編號：1282604