谈沙化基于面向对象策略土地沙化遥感信息提取技术学年

论文导读：
摘要：土地沙化是我国当前面对的最为严重的生态不足之一，随着社会的进展和人口的增加，环境压力越来越大，土地沙化日趋严重。土地沙化不仅导致可利用的土地资源锐减，生态环境恶化，还造成巨大的经济损失，使沙区人民的贫困程度进一步加深。为此，及时了解沙化土地的近况和进展变化走势，对于制定土地沙化防治战略具有重要的作用。遥感技术的进展为土地沙化信息的获取提供了新的技术手段，尤其为快速、准确地获取大范围的沙化土地信息提供了可能。常规的遥感影像数据的观测方式无法随地物环境的不同而进行调整，以而限制遥感数据的运用潜力。小卫星智能观测技术是近十多年进展起来的先进对地观测技术，其观测方式可通过地物环境的智能识别以而智能调整传感器的积分时间和量等参数，极大地提升小卫星数据在资源环境遥感监测运用方面的潜力。由于沙地反射率高，传统的卫星观测方式无法根据地物环境的变化而调整遥感器的积分时间和量因而使得沙化地区植被信息容易被掩盖，而先进的小卫星智能观测技术的进展，通过智能调整遥感器的积分时间和量，为沙区植被等复杂信息的提取提供了可能。本论文以北京一号小卫星（BJ-1）智能影像为数据源，选取浑善达克沙地及其周边为探讨区，全面、系统地探讨面向对象的沙化信息提取的技术，并与传统基于像元的策略比较，探讨基于面向对象的沙化土地信息提取技术，以期为大范围沙化土地监测提供一种有效的手段；同时对BJ-1智能观测数据提取沙化土地信息的能力进行评价，挖掘BJ-1智能遥感数据在沙化土地监测方面的运用潜力。论文的主要探讨成果及结论如下：1、利用面向对象策略和传统最大似然法进行沙化土地信息提取，探讨结果表明面向对象提取沙化土地信息，总体精度达到83.80%， Kappa系数为0.76；而利用最大似然法总体精度为75.70%，Kappa系数是0.65。说明利用面向对象提取沙化土地信息结果较为理想，为后续沙化信息提取深入探讨提供参考。2、在面向对象提取沙化土地信息历程中，分别利用四种不同尺度层来提取不同地物类型特点，通过建立地物特点图对目标地物的多种特点来选择最优特点（Ratio Green、Ratio Red、Mean nir、NDVI等）提取目标地物，并建立分类决策树来提取沙化土地信息，使得分类更加合理，以而获得更高的分类精度。3、对BJ-1智能数据、常规数据和Landsat-5TM影像数据沙化信息提取结果进行精度评价比较，探讨结果表明： BJ-1智能数据提取沙化信息总体精度为85.55%，Kappa系数为0.80，BJ-1常规数据提取信息总体精度为81.39%，Kappa系数为0.73，Landsat-5TM数据提取信息总体精度为90.81%，Kappa系数为0.86。表明Landsat-5TM影像数据提取沙化土地信息较为理想，BJ-1智能观测数据次之，BJ-1常规观测数据较差。4、以水体和盐碱地信息提取方面，三种数据在信息提取的制图精度均为97.06%，用户精度为100.00%，三种数据均保持一致；在沙化信息提取方面，BJ-1智能数据在流动沙地、半固定沙地和固定沙地分别为78.21%，68.63%，89.38%；Landsat-5TM数据为81.37%，79.77%，93.76%； BJ-1常规观测数据为69.11%，58.62%，82.88%，可看出BJ-1智能数据在沙化信息提取方面比BJ-1常规数据具有优势，尤其在流动沙地和半固定沙地方面；与Landsat-5TM影像相比，BJ-1智能数据在提取半固定和固定沙地信息提取有差距，但提取流动沙地方面，两种数据提取结果精度相差不大。关键词：面向对象论文沙化信息提取论文多尺度分割论文北京一号智能影像数据论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-7
Abstract7-15
第一章 绪论15-25

1.1 引言15-21

1.1 探讨背景15-16

1.2 国内外探讨近况及评述16-21

1.3 项目经费来源21

1.2 探讨目标和主要探讨内容21-22

1.2.1 关键的科学不足与探讨目标21

1.2.2 主要探讨内容21-22

1.3 技术路线22-25

1.3.1 技术流程22-23

1.3.2 论文组织与结构23-25

第二章 探讨区概况与数据预处理25-37

2.1 探讨区概况25-27

2.

1.1 地理位置与行政区划25-26

2.

1.2 探讨区概况26-27

2.2 遥感数据的获取27-28

2.1 BJ-1 数据27

2.2 Landsat-5 TM 数据27-28

2.3 其他专题数据获取28

2.4 外业调查及其数据获取28-30

2.5 遥感数据预处理30-37

2.5.1 大气校正31-35

2.5.2 几何校正35-36

2.5.3 影像裁剪36-37

第三章 面向对象遥感信息提取策略37-44

3.1 遥感影像分割技术37-40

3.

1.1 图像分割技术概述37-38

3.

1.2 多尺度分割概念38-39

3.

1.3 多尺度分割算法39-40

3.2 特点选择40-42

3.3 模糊分类42-44

第四章 BJ-1 智能影像数据沙化土地信息提取44-63

4.1 土地类型44-45

4.2 解译标志的建立45-46

4.3 多尺度分割46-49

4.4 影像分类49-55

4.1 面象对象分类49-55

4.2 最大似然分类55

4.5 结果与精度浅析55-61

4.5.1 不同分类策略结果55-56

4.5.2 精度评价56-60

4.5.3 分类结果浅析60-61

4.6 本章小结61-63

第五章 多源遥感数据数据沙化土地监测的比较63-71

5.1 多源数据直观效果比较63-65

5.2 分类结果65-70

5.

2.1 不同影像分类结果比较65

5.

2.2 精度评价65-70

5.3 本章小结70-71
第六章 结论与讨论71-74

6.1 结论71-72

6.2论文导读：本论文的革新点72-736.3有着的不足与展望73-74参考文献74-80附录80-81在读期间的学术探讨81-82致谢82-83摘要83-85上一页12
本论文的革新点72-73

6.3 有着的不足与展望73-74

参考文献74-80
附录80-81
在读期间的学术探讨81-82
致谢82-83
摘要83-85