70000字论文范文基于不同遥感分类方法的戈壁特征提取与分析
论文类型：论文范文
论文字数：70000字
论点：土壤,戈壁,遥感
论文概述：
从基于像元和面向对象的角度，分别利用最小距离、马氏距离、最大似然、支持向量机、决策树和面向对象的影像方法对额济纳旗的戈壁信息进行提取。
论文正文：
第一章绪论
1.1研究背景及现状
1.1.1研究背景
戈壁是一种沙漠景观，广泛分布于开阔地带，在干旱或极度干旱地区，由于长期强烈的风蚀或物理风化作用，被高密度砾石覆盖。它是我国西北干旱地区的主要景观类型。由于戈壁沙漠自然条件恶劣，人口稀少，现场调查研究不方便，因此目前戈壁沙漠的研究资料很少，戈壁沙漠的概况、分布、类型分类及改造利用探讨接近空白[2]。戈壁在中国西北部广泛分布。戈壁地区土地、太阳能、风能和各种矿产资源极其丰富，一些水和生物资源可供开发利用。此外，该地区边界漫长，长期以来是许多兄弟国家的家园。这表明该地区不仅具有巨大的经济价值，而且具有国防、政治和社会意义[3]。戈壁地区雨量稀少，自然条件恶劣，不仅严重制约了该地区及周边地区工、农、牧、交通的发展，而且对华北地区沙漠化、沙尘暴等自然灾害也有重要影响。因此，掌握戈壁信息有助于我们趋利避害，合理利用资源。戈壁地区的自然条件恶劣，有些地区的人难以接近。传统的野外调查方法难以获得戈壁信息。此外，实地调查耗费大量时间和金钱，并且只能在短时间内获得小范围的信息。这种方法显然不能满足人们快速获取大面积戈壁信息的需求。卫星遥感在宏观和及时性方面，以及在监测和调查人类难以到达[的地区方面，具有地面调查无法比拟的优势。
随着遥感技术的进步，大量不同的传感器和各种空尺度间遥感数据不断涌现，进一步拓展了遥感技术的应用领域和精度。遥感技术具有遥感范围大、信息丰富、信息获取快、更新周期短、经济方便的特点。由于戈壁面积广阔，以低成本快速获取戈壁信息尤为重要。此外，到目前为止，大量学者通过遥感对土壤粒径、土壤颜色、表面纹理、粗糙度等表面特征进行了大量深入研究。通过对地表特征的分析，对遥感提取戈壁信息具有一定的辅助参考意义。
1.1.2地表特征遥感识别的应用现状
1.1.2.1土壤粒径土壤粒径是最重要的土壤物理性质之一。表土的粒度组成能很好地反映土壤质地和其他物理性质。表土颗粒大小的变化也能反映土壤其他性质的变化，因此了解表土颗粒大小对戈壁的识别具有重要意义。随着空之间信息技术的不断发展，如遥感空之间分辨率的提高和地理信息系统分析功能的增强，获取表层土壤粒度信息变得更加容易。利用空获得表层土壤粒度信息已经进行了大量的研究。早在1977年，Leu就使用分光计研究可见和近红外波段海滩砂的光谱反射率和粒度之间的关系[5]。1992年，约翰和其他人使用ASTER图像的红外波段来研究土壤颗粒大小。研究对象为应时高含量土壤，采用ASTER波段比值10/14估算土壤粒径。结果表明，ASTER数据可用于[6井土壤粒径的估算。Okin等人在2004年对加利福尼亚州东南部马尼克斯盆地的废弃农田进行了一项关于沙漠化表面粒度对遥感光谱反射率的影响的研究。分析了机载可见红外成像光谱仪(AVIRIS)的显著表面反射率，以证实在羽毛沙丘，特别是短波红外[7]中，颗粒尺寸有效性与反射率之间的负相关。2005年，肖等人利用遥感监测土地荒漠化和地表粒度变化，并利用陆地卫星图像和Terra MODIS图像开发了新的土壤粒度指数(GSI)，应用于中国内蒙古四子王旗。光谱测量表明表土的粒度组成对光谱反射率有重要影响。当粘土和淤泥颗粒增加时，反射率降低，而当表土中细砂含量增加时，反射率增加，[8]。2006年，肖等人将陆地卫星TM图像和陆地卫星ETM+图像相结合，将表土粒度指数应用于荒漠化过程监测。结果表明，表层土壤粒径指数(GSI)与细砂含量呈正相关。也就是说，GSI可以探测到[井表层土壤颗粒大小的变化。此外，肖等人利用MODIS数据获得了2011年表层土壤的粒径，并将其与粒径指数(GSI)相结合，绘制了反映不同程度土壤退化的荒漠化地图[10]。
1.1.2.2土壤颜色土壤颜色也是重要的表面特征之一，不同颜色的土壤往往对应不同的物理和生化性质。颜色是土壤识别和分类的关键因素。因此，掌握土壤颜色对于理解戈壁地表特征的提取具有非常重要的作用。土壤颜色与土壤有机质、铁含量等土壤特性有很大的相关性，促使许多研究者利用遥感技术研究土壤颜色制图。随着多光谱遥感技术的发展，借助现代空信息技术，可以方便快捷地获取表层土壤的颜色信息，进一步为判断表层其他特征提供依据。目前，一些学者和专家对土壤颜色进行了遥感研究。例如，早在1997年，南迪什就利用陆地卫星传感器的可见和近红外波段模拟土壤颜色。2000年，阿特兹伯格利用55种不同的土壤样品，对一些影响土壤颜色空的重要因素进行了实验室光谱系统评价和反射模型建立。研究的因素包括土壤含水量、土壤粗糙度、绿色和老化植被的残留量以及测量配置(太阳和传感器几何形状)。其中，要分析的颜色属性是孟塞尔色调、明度值、色度和CIE色度坐标。结果表明，在特定条件下，干扰因素(如土壤含水量、土壤粗糙度、绿色和老化植被的残留量)会导致孟塞尔颜色和CIE色度坐标[12发生较大变化。
1.1.2.3纹理和粗糙度纹理和粗糙度在现代空的应用中也越来越受到重视。纹理和粗糙度的使用将帮助我们获取更多有用的信息。利用空信息分析纹理和粗糙度可以为戈壁信息提取提供有益的帮助。早在1998年，一些人就从遥感图像中分析沙粒。例如，Williams等人描述了应时谷物的形态特征，并通过定量表面纹理数学分析方法对其进行了分类。将扫描的应时粒子电子图像转换成数字灰度图像，通过图像增强、图像分割和直方图均衡化得到标准化图像。通过三个不同的应时粒子样本确定纹理参数，然后分别用判别分析和神经网络对应时粒子的分类精度进行比较分析。结果表明，两种方法的准确率都很好，但是当数据集不完整时，采用神经网络分类具有更明显的优势[13]。
1.2研究内容和技术路线............................17-20
1.2.1研究内容............................17-18
1.2.2技术路线............................18-20
第二章研究领域和数据采集概述............................20-25
2.1研究领域概述............................20-22
2.1.1地形............................21
2.1.2气候............................21
2.1.3水文学............................21-22
2.1.4矿产资源............................22
2.2数据采集............................22-25
2.2.1遥感数据............................22-23
2.2.2辅助数据............................23-25
第三章遥感分类方法简介............................25-37
3.1遥感概述............................25-26
3.2遥感分类方法的发展............................26-27
3.3遥感分类方法的定义和介绍............................27-37
第4章数据预处理............................37-43
4.1剥离............................37-38 [/BR/] 4.2几何校正............................38-39[/比尔/] 4.3辐射校正............................39-43
4.3.1辐射校准............................40-41[/比尔/] 4.3.2大气校正............................41-43
第五章基于不同遥感分类方法的戈壁特征提取............................43-78 [/BR/] 5.1分类系统划分和样本选择............................43-45[/比尔/] 5.2植被指数计算............................45-47[/溴/] 5.3水指数的计算............................47-51
5.4最小距离法............................51-54
5.5马哈拉诺比斯距离............................54-57
5.6最大可能性............................57-60 [/BR/] 5.7支持向量机............................60-66[/比尔/] 5.8决策树............................66-72
5.9面向对象的戈壁信息提取............................72-78
结论
本文对额济纳旗的12幅图像进行了几何校正和大气校正，对缺失条纹的图像分别进行了条纹化处理，条纹编号为132032和134031。分析表明，这些处理不仅消除了地形和大气辐射的影响，提高了图像质量，而且增加了地物之间的光谱分离，有利于信息提取。此外，对原始图像进行植被指数和水体指数的计算、K-T变换和纹理分析，并将这些数据添加到戈壁信息提取的具体应用中。从基于像素和面向对象的角度出发，分别采用最小距离、马氏距离、最大似然、支持向量机、决策树和面向对象的图像方法提取额济纳旗戈壁信息。主要结论如下:
1。通过对最小距离、马氏距离和最大似然三种简单分类方法的比较，发现最大似然法运行速度快，提取戈壁的准确率最高，分类效果好。马氏距离位居第二，而最小距离法提取戈壁效果差，不容易使用。
2。支持向量机在提取戈壁信息方面显示了一定的优势。从分别选择四个核函数的计算来看，线性函数和径向基函数的处理速度相对较快，而多项式和Sigmoid核函数相对较慢，特别是Sigmoid核函数。从最终效果来看，径向基函数信息戈壁提取效果更好。
3。当使用决策树提取戈壁信息时，在自定义规则中，当图像数据量很小时，规则很容易确定，而当数据量很大时，规则不容易确定，也就是说，使用少量数据确定的规则不一定具有代表性和普遍性。在决策树自动阈值分类中，在不添加其他数据的情况下分类效果更好，总体准确率达到93.3569%，Kappa系数为0.9052。
参考
[1]冯益铭，周娜，车腾腾等.基于遥感图像识别的戈壁分类系统研究。中国沙漠。2012，32(4):205-212
[2]王涛，陈光庭。西方地标:中国沙漠。戈壁。上海:上海科技文献出版社。2008年:32-60
[3]彼得罗夫，胡孟春。世界沙漠。北京:中国环境科学出版社，2010: 1-58
[4]徐堤丰，徐锐。基于空之间采样的作物面积遥感测量。北京测绘。2009.40 (04): 42-55
[5]洛伊DJ。海滩砂的可见光和近红外反射率:光谱反射率/粒度关系的研究。环境遥感。1977年，6(3): 169-182
[6]西澳大利亚首都地区。土壤粒径的红外(8-14μm)遥感。遥感，1992，(42):157-165
[7] Okin GS，画家TH。粒度对沙地遥感光谱反射率的影响。环境遥感。[2004，89(3): 272-280
[8]肖杰，沈英，龙太郎等.利用遥感技术检测土地荒漠化和表土颗粒大小，IEEE .[2005，3(2): 581-589
[9]肖杰，沈英，Tateishi R，等.利用遥感监测干旱地区荒漠化的表层土壤粒度指数的发展.《国际遥感杂志》，2006，27(12): 2411-2422
[10]肖杰，沈英，龙太郎.利用MODIS数据绘制土壤表层粒度退化图，IEEE.2010: 1-10