我國草原面積位居世界第二位,僅次于澳大利亞,內(nèi)蒙古地區(qū)草原面積為8666.7萬公頃,其中有效天然牧場6800萬公頃,占全國草場面積的27%。近幾年來,草原退化已成為我國首要的生態(tài)問題,而內(nèi)蒙古地區(qū)在改革開放以來畜牧業(yè)發(fā)展迅速,但草原生態(tài)與畜牧業(yè)之間矛盾也日漸顯現(xiàn),草原整體生態(tài)環(huán)境不斷惡化。草原退化不僅表現(xiàn)為單位面積草量下降,還表現(xiàn)為各種類優(yōu)良牧草變劣以及植被群落結(jié)構(gòu)的改變。本研究以內(nèi)蒙古荒漠化草原為研究對象,具體實驗地點為內(nèi)蒙古四子王旗試驗區(qū)。為得到準確的草原退化信息,采用地面和空中兩套高光譜采集系統(tǒng),采集的地面數(shù)據(jù)空間分辨率為0.63mm,空中數(shù)據(jù)空間分辨率為1.1cm。高光譜數(shù)據(jù)的信息含量大,并相比于衛(wèi)星遙感保證了數(shù)據(jù)的空間分辨率,基本實現(xiàn)了對草原草種的識別分類以及區(qū)域性監(jiān)測。針對高光譜數(shù)據(jù)波段數(shù)多、冗余度高的特點,本研究采用了 PCA波段選擇法,對地面和空中的高光譜數(shù)據(jù)進行波段選擇并重組,有效的減小了數(shù)據(jù)量以及處理的復(fù)雜程度。利用PCA波段選擇法將每張高光譜數(shù)據(jù)的單個波段視為一維向量組成互不相關(guān)的n維矩陣,通過計算協(xié)方差矩陣的特征值、特征向量得到貢獻率最大的幾個波段進行重組。數(shù)據(jù)... 

【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１高光譜圖像??Ｆｉｇ．?１?Ｈｙｐｅｒｓｐｅｃｔｒａｌ?ｉｍａｇｅ??

農(nóng)??牧科學(xué)院綜合實驗基地。該基地的海拔為１４５０ｍ，占地面積約為２．３ｘｌ〇３公頃。草??原類型為典型荒漠化草原，氣候類型屬于中溫帶大陸性季風(fēng)氣候。有干旱、降雨集??中、陣風(fēng)強、溫差大、日照充足等特點，歷年降水量在１１０ｍｍ？３５０ｍｍ左右，８０％??的降水集中在七月、八月［３６＿３８］。??，—：？－二’產(chǎn)、??／??／?／??廣一??＾?研宄Ｋ域??－Ａ－?ｉｗ?Ｉ?彷??０?１６０?３３０?？４０?ＷＯ?１?？？０??ｌ．＇ｉｌｃｓ．??圖３研究區(qū)域??Ｆｉｇ．３?ｓｔｕｄｙ?ａｒｅａ??基地試驗區(qū)為低山丘陵波狀平原草原，地表土壤主要為淡栗鈣土和棕鈣土，土??壤含沙量大且疏松，水土流失較嚴重［３９］。試驗區(qū)內(nèi)植被種類有二十種左右，普遍低??矮稀疏，植被蓋度約為２０％，其中植被優(yōu)勢種有短花針茅（Ｓｔｉｐａｂｒｅｖｉｆｌｏｒａ）、無芒??隱子草（Ｃｌｅｉｓｔｏｇｅｎｅｓｓｏｎｇｏｒｉｃａ）、冷蒿（Ａｒｔｅｍｉｓｉａ?ｆｒｉｇｉｄ）、§它絨黎（Ｃｅｒａｔｏｉｄｅｓ）、??狹葉錦雞兒（Ｃａｒａｇａｎａｓｔｅｎｏｐｈｙｌｌａ），伴生有羊草（ＧｕｉｎｅａＧｒａｓｓ）、克氏針茅（Ｓｔｉｐａ??ｓａｒｅｐｔａｎａ）、椅葉蒿（Ｎｅｏｐａｌｌａｓｉａｐｅｃｔｉｎａｔａ）、木地膚（ｋｏｃｈｉａｐｒｏｓｔｒａｔａ）、銀灰旋花??（Ｃｏｎｖｏｌｖｕｌｕｓ?ａｍｍａｎｎｉｉ）、阿爾泰狗娃花（Ｈ．?ａｌｔａｉｃｕｓＮｏｖｏｐｏｋｒ．?ｖａｒ）等［４Ｑ］。圖?４?為??主要優(yōu)勢種圖像。??

?內(nèi)蒙古農(nóng)業(yè)大學(xué)碩士學(xué)位論文?９＿??Ｍ??（ａ）?（ｂ）??＿■??（ｃ）?＜ｄ）??Ｈ??（ｅ＞??Ｕ）短花針茅（ｂ）冷蒿（ｃ）狹葉錦雞兒（ｄ）無芒隱子草（ｅ）駝絨藜??圖４優(yōu)勢種圖像??Ｆｉｇ．４?Ｄｏｍｉｎａｎｔ?ｓｐｅｃｉｅｓ?ｉｍａｇｅ??２．２設(shè)備概述??本研宄采用的是四川雙利合譜科技有限公司研發(fā)的ＧａｉａＳｋｙ－ｍｉｎｉ型機載和地面??兩用型高光譜儀，本高光譜儀可搭載地面三腳架進行地面高光譜數(shù)據(jù)采集，也可搭??載大疆Ｍ６００ｐｒｏ無人機進行低空遙感采集。該高光譜成像系統(tǒng)內(nèi)置掃描系統(tǒng)和增穩(wěn)??系統(tǒng)，成功克服了小型無人機系統(tǒng)搭載推掃式高光譜相機時，由于無人機系統(tǒng)的震??動造成的成像質(zhì)量差的問題。該成像光譜儀掃描視場角為３３．５°，可采集光譜范圍為??

【參考文獻】：
期刊論文
[1]基于深度語義分割的遙感圖像海面艦船檢測研究[J]. 陳彥彤,李雨陽,陳偉楠,張獻中,王俊生.  儀器儀表學(xué)報. 2020(01)
[2]一種多源遙感影像非監(jiān)督分類方法中的欠分割對象檢測與拆分算法[J]. 毛婷,唐宏.  遙感信息. 2019(06)
[3]基于深度學(xué)習(xí)的視頻語義分割綜述[J]. 韓利麗,孟朝暉.  計算機系統(tǒng)應(yīng)用. 2019(12)
[4]深度卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展綜述[J]. 洪奇峰,施偉斌,吳迪,羅力源.  軟件導(dǎo)刊. 2020(04)
[5]基于多時相無人機遙感植被指數(shù)的夏玉米產(chǎn)量估算[J]. 韓文霆,彭星碩,張立元,牛亞曉.  農(nóng)業(yè)機械學(xué)報. 2020(01)
[6]基于深度學(xué)習(xí)的花生高光譜圖像分類方法研究[J]. 劉翠玲,林瓏,于重重,吳靜珠.  計算機仿真. 2020(03)
[7]基于BiSeNet的小兒超聲心動圖左心分割方法[J]. 胡玉進,雷柏英,郭力寶,毛木翼,靳澤隆,陳思平,夏焙,汪天富.  中國生物醫(yī)學(xué)工程學(xué)報. 2019(05)
[8]基于深度網(wǎng)絡(luò)的圖像語義分割綜述[J]. 羅會蘭,張云.  電子學(xué)報. 2019(10)
[9]因子分析綜合評價研究綜述[J]. 劉照德,詹秋泉,田國梁.  統(tǒng)計與決策. 2019(19)
[10]農(nóng)業(yè)高光譜遙感研究進展及發(fā)展趨勢[J]. 陳云浩,王思佳,趙逸飛,王明國.  地理與地理信息科學(xué). 2019(05)

博士論文
[1]基于Hyper-CAM的高光譜熱紅外地表溫度比輻射率分離及其農(nóng)作干旱監(jiān)測方法研究[D]. 霍紅元.中國農(nóng)業(yè)科學(xué)院 2018
[2]夏玉米不同生育時期生理生態(tài)參數(shù)的高光譜遙感監(jiān)測模型[D]. 劉冰峰.西北農(nóng)林科技大學(xué) 2016
[3]高光譜圖像分類方法研究[D]. 陳進.國防科學(xué)技術(shù)大學(xué) 2010
[4]草原生態(tài)經(jīng)濟系統(tǒng)可持續(xù)發(fā)展研究[D]. 蓋志毅.北京林業(yè)大學(xué) 2005
[5]面向目標探測的高光譜影像特征提取與分類技術(shù)研究[D]. 路威.中國人民解放軍信息工程大學(xué) 2005
[6]時空信息輔助下的高光譜數(shù)據(jù)挖掘[D]. 張兵.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2002

碩士論文
[1]面向無人駕駛場景的道路元素檢測技術(shù)研究[D]. 程鵬.北京郵電大學(xué) 2019
[2]內(nèi)蒙古四子王旗呼和淖爾全新世孢粉記錄的植被和氣候變化[D]. 郭曉陽.內(nèi)蒙古大學(xué) 2017
[3]圖像的分割與降維方法研究[D]. 王馳.西安電子科技大學(xué) 2014
[4]土壤含水量高光譜遙感監(jiān)測方法研究[D]. 魏娜.中國農(nóng)業(yè)科學(xué)院 2009



本文編號：3388046