農(nóng)業(yè)景觀由耕作生境和非耕作生境共同組成,非耕作生境是農(nóng)田景觀中自然半自然生境的統(tǒng)稱,鑲嵌于農(nóng)田生態(tài)系統(tǒng)當(dāng)中,一般包括樹木,樹籬,邊緣草地。它們的數(shù)量,質(zhì)量和空間配置對(duì)農(nóng)田的生態(tài)系統(tǒng)服務(wù)功能和生物多樣性以及可持續(xù)發(fā)展有著重要的作用。近年來隨著我國高分辨率的遙感衛(wèi)星應(yīng)用已愈發(fā)成熟,無人機(jī)等航空影像憑借自身分辨率高的特點(diǎn),為小尺度地物識(shí)別提供可能。但是目前農(nóng)田景觀寬幅圖制作的精度不高,對(duì)景觀中微小地物的判別程度較低,并且現(xiàn)階段對(duì)景觀中的解譯研究普遍都是基于大尺度開展,小面積或單個(gè)存在的非耕作生境解譯的研究較少,難以符合農(nóng)田微觀管理和景觀結(jié)構(gòu)研究的要求�；诖�,本文以無人機(jī)影像為數(shù)據(jù)源,在構(gòu)建多層次類別結(jié)構(gòu)的基礎(chǔ)上,結(jié)合面向?qū)ο蠛途哂懈咝ё灾鞯碾S機(jī)森林算法（Random Forest）對(duì)農(nóng)田景觀中小尺度地物提出一種具有普適性較強(qiáng)的解譯方案�？茖W(xué)合理地運(yùn)用各類生境在空間結(jié)構(gòu)中的特征差異性,探索機(jī)器學(xué)習(xí)算法在學(xué)習(xí)運(yùn)用特征變量進(jìn)行類描述,并完成自動(dòng)化的準(zhǔn)確分類的能力。而構(gòu)建多層次類別結(jié)構(gòu)的目的僅是用于減少特征變量的數(shù)量,因此保證了子對(duì)象不受父對(duì)象錯(cuò)分的影響,具有較好的泛化能力,解譯結(jié)果能有較高的精度... 

【文章來源】：沈陽農(nóng)業(yè)大學(xué)遼寧省

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

總體技術(shù)路線圖

第二章構(gòu)建農(nóng)田景觀小尺度地物分類的方法體系12圖2.1農(nóng)田景觀小尺度地物解譯方法技術(shù)流程圖Fig2.1Technicalchartofsmallscalesurfacefeaturesinterpretationmethodoffarmlandlandscape

狀況，就需要對(duì)建筑物、設(shè)施用地、道路、水體以及裸地等地物進(jìn)行掩膜制作，以便對(duì)農(nóng)田景觀覆被區(qū)域進(jìn)行后續(xù)的研究。對(duì)于植被信息的提取，普遍采用的植被指數(shù)是NDVI。但由于無人機(jī)影像只有 RGB 波段，因此采用可見光差異植被指數(shù) VDVI 來代替NDVI（井然等，2016），從而對(duì)植被信息進(jìn)行提取。據(jù)其他學(xué)者的研究成果，EXG 指數(shù)效果同樣較好（魏本贊等，2016）。因此在制作非植被掩膜時(shí)，要依據(jù)現(xiàn)有數(shù)據(jù)的波段情況以及作物長(zhǎng)勢(shì)程度，合理選擇指數(shù)。在本研究中對(duì)無人機(jī)影像進(jìn)行掩膜提取，運(yùn)用隸屬度函數(shù)中的“S”函數(shù)或反“S”函數(shù)，結(jié)合 VDVI 閾值作為簡(jiǎn)單分類器的分類規(guī)則，通過閾值模糊分類法來提取并過濾非植被類別，并將其在分割的主處理程序（如圖2.2 所示）中制作成掩膜以突出農(nóng)田景觀的分布。


本文編號(hào)：3248488