森林在陸地生態(tài)系統(tǒng)中起著調(diào)節(jié)氣候、涵養(yǎng)水源等方面的作用,是國(guó)家可持續(xù)發(fā)展戰(zhàn)略的重要物質(zhì)基礎(chǔ)。準(zhǔn)確獲取林地空間分布有助于林地變化監(jiān)測(cè)且通過對(duì)其變化的分析,制定相應(yīng)保護(hù)管理政策。遙感技術(shù)的發(fā)展可以為生態(tài)監(jiān)測(cè)和大面積森林資源清查提供經(jīng)濟(jì)有效的手段。利用遙感技術(shù)獲取林地信息時(shí),傳統(tǒng)的目視解譯屬于勞動(dòng)密集型信息提取工作,資源耗費(fèi)巨大。與計(jì)算機(jī)相結(jié)合的遙感技術(shù)大大提高信息提取的自動(dòng)化,其中,借助機(jī)器學(xué)習(xí)法是其中一個(gè)重要的研究方向。當(dāng)前機(jī)器學(xué)習(xí)法在應(yīng)用到特定的遙感影像分類中,普遍屬于逐景訓(xùn)練、逐景分類的模式,存在訓(xùn)練樣本重復(fù)選取以及分類過程中模型參數(shù)消耗等問題。對(duì)于跨越幾十甚至上百景遙感影像廣泛的研究區(qū)域,如何通過在小面積典型區(qū)域內(nèi)建立的機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)大范圍研究區(qū)內(nèi)高精度的林地信息提取,有待探索。機(jī)器學(xué)習(xí)方法中分類器正確分類訓(xùn)練集以外數(shù)據(jù)的能力稱之為泛化能力,也稱為預(yù)測(cè)能力。泛化能力是評(píng)價(jià)分類器所生成的算法好壞的重要指標(biāo)。泛化能力越強(qiáng),預(yù)測(cè)精度越高。選擇泛化能力高的分類器從而使之有效用于訓(xùn)練集之外其它數(shù)據(jù)集,對(duì)于實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型的可移植性至關(guān)重要。為了能夠從多景多時(shí)相批量遙感影像中高質(zhì)量地提取出跨... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：100 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)流程圖

2.1 研究區(qū)概況2.1.1 地理位置祁連山（圖 2-1）是古代匈奴語(yǔ)，可意為“天之山”。位于青海省與甘肅省的北部交界區(qū)，是西北地區(qū)著名高大山系之一。東起烏鞘嶺，西至當(dāng)金山口，南靠柴達(dá)木盆地，北臨河西走廊，介于東經(jīng) 94～104°E，北緯 36～39°N，橫跨甘肅、青海兩省，長(zhǎng)達(dá)千余公里。是我國(guó)西北干旱區(qū)石羊河、黑河和疏勒河等諸多內(nèi)陸河的發(fā)源地，黃河、青海湖的重要水源補(bǔ)給區(qū)，也是我國(guó)季風(fēng)和西風(fēng)帶交匯的敏感區(qū)。2008 年，在國(guó)家環(huán)保部公布的《全國(guó)生態(tài)功能區(qū)劃》中，將祁連山區(qū)確定為水源涵養(yǎng)生態(tài)功能區(qū)，將“祁連山山地水源涵養(yǎng)重要區(qū)”列為全國(guó) 50 個(gè)重要生態(tài)服務(wù)功能區(qū)之一[57]。山區(qū)由多條西北—東南走向的平行山脈及寬谷組[16]。其長(zhǎng)約 1000km，寬約 300km。山脈平均海拔在 4000 到 5000 米之間，由于高山積雪形成冰川地貌，4000 米以上的海拔高度處，則為雪線。

尺寸適宜的若干單幅影像，便于進(jìn)行后續(xù)處理[66]。本文在對(duì)首先考慮到實(shí)地驗(yàn)證通常會(huì)集中在若干區(qū)域范圍內(nèi)。其次考以顯著提高分析效能。按照每幅 1∶10 萬(wàn)比例尺地形圖標(biāo)準(zhǔn)進(jìn)行影像裁剪分幅，將 Landsat 8 OLI、Landsat 5 TM 兩個(gè)分成 239 幅單元，每幅大小為 1428×1209 個(gè)像素。所有影像 投影下在兩側(cè)邊界部分保持一定的重疊。進(jìn)而，根據(jù)本區(qū)于歸一化差值植被指數(shù)（NDVI）大于0.1且海拔高度介于250此作為減少圖幅處理量的選擇依據(jù)，從上述 239 幅影像中篩為本研究的基本數(shù)據(jù)分析與評(píng)價(jià)單元。thon 和 IDL 編程語(yǔ)言實(shí)現(xiàn)不同軟件平臺(tái)下（ArcMap 10.3、 WEKA 數(shù)據(jù)挖掘）的數(shù)據(jù)批量轉(zhuǎn)換，為后續(xù)試驗(yàn)做基礎(chǔ)最后，從 55 幅單元的若干個(gè)針葉林集中分布的分幅中隨機(jī)1），作為機(jī)器學(xué)習(xí)的典型樣區(qū)。訓(xùn)練樣本的選取要充分考構(gòu)紋理特征，因地制宜地進(jìn)行選擇，使訓(xùn)練樣本的選取具以此保證樣本選取質(zhì)量。


本文編號(hào)：3324690