基于CVA的植被覆盖度变化信息提取方法研究
【摘要】：植被是地球生态系统的重要组成成分之一,用以表示其地表覆盖状况的植被覆盖度,是研究地球生态气候的重要参数。研究植被覆盖度及其变化信息,对准确了解地表植被动态变化趋势及其对生态环境的影响具有重要的意义。
随着遥感技术的不断发展进步,遥感在地表信息获取的应用中具有更加明显的优势。在植被覆盖动态监测需求多样化的情况下,利用图像变化检测技术获取植被覆盖变化信息,能够全面快速地为植被动态监测提供服务。
本文在研究和分析植被覆盖度及其变化信息提取技术的基础上,对变化向量分析(CVA)方法和神经元网络分类法进行改进,以提高变化信息提取精度。首先利用最小噪声分离变换(MNF)分离影像中的噪声,减少噪声因素对提取结果的影响；接着利用最小错分概率算法分别确定变化强度和相关系数的分割阈值,以两个特征确定变化区域,获得的结果数据要比采用单一特征法精度提高3-5个百分点；然后利用纯净像元指数(PPI)和n维可视化选取地物类别端元,作为神经元网络分类的样本提取植被覆盖度信息,可以有效减少地面非线性因素对植被覆盖信息的影响。最后结合变化区域数据和植被覆盖度进行变化信息提取。针对改进后的方法,利用IDL语言和Arc Engine在.net平台下进行软件系统开发,为变化信息提取提供软件支持。在此基础上提取北京市北部地区2002-2009年间的植被覆盖变化信息,并分析其变化的时空格局。
【关键词】：植被覆盖度变化 CVA 人工神经网络 相关系数 最小错分概率 【学位授予单位】：首都师范大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：Q948
【目录】：
- 摘要4-5
- Abstract5-7
- 目录7-9
- 第一章 绪论9-21
- 1.1 研究背景及意义9-12
- 1.2 国内外研究现状12-18
- 1.2.1 植被覆盖变化信息获取方法研究现状12-14
- 1.2.2 遥感影像变化检测方法研究现状14-18
- 1.3 本文研究内容及论文结构18-21
- 1.3.1 研究内容18-19
- 1.3.2 论文结构19-21
- 第二章 基于遥感的植被覆盖度及其变化信息提取介绍21-33
- 2.1 植被的光谱特征21-22
- 2.2 植被覆盖度变化信息提取的主要内容22-23
- 2.2.1 不同时期植被覆盖度信息22
- 2.2.2 植被的时间变化特征22-23
- 2.2.3 植被的空间变化特征23
- 2.3 遥感影像植被覆盖度信息提取方法23-30
- 2.3.1 波段合成法23-24
- 2.3.2 植被指数24-27
- 2.3.3 NDVI与波段组合法27
- 2.3.4 HIS变换法27-29
- 2.3.5 基于波段合成后分类的提取方法29-30
- 2.3.6 其他植被提取方法30
- 2.4 遥感影像植被覆盖变化信息提取的一般步骤30-33
- 第三章 基于CVA的植被覆盖度变化信息提取33-55
- 3.1 遥感影像噪声分离处理33-37
- 3.1.1 遥感影像噪声因素及其影响33-34
- 3.1.2 基于MNF的遥感影像噪声分离34-37
- 3.2 基于双阈值的CVA变化区域确定37-45
- 3.2.1 CVA方法基本原理37-38
- 3.2.2 变化强度计算38-40
- 3.2.3 多时相遥感影像相关系数计算40-42
- 3.2.4 引入最小错分概率的双阈值法确定变化区域42-45
- 3.3 基于改进BP神经网络分类的植被覆盖度信息提取45-53
- 3.3.1 人工神经网络的基本原理45-46
- 3.3.2 BP神经网络46-49
- 3.3.3 基于改进的人工神经元网络提取植被覆盖度信息49-53
- 3.4 植被覆盖度变化信息提取53-55
- 第四章 基于CVA的植被覆盖度变化信息提取软件的实现55-67
- 4.1 软件设计55-57
- 4.1.1 设计原则55-56
- 4.1.2 设计的基本流程56-57
- 4.2 开发语言及关键技术介绍57-59
- 4.2.1 ENVI/IDL57-58
- 4.2.2 ArcGIS Engine 9.358
- 4.2.3 软件开发环境58
- 4.2.4 软件实现的关键技术58-59
- 4.3 软件功能实现59-67
- 4.3.1 主要功能框架59-60
- 4.3.2 功能模块60-67
- 第五章 基于CVA的北京北部地区植被覆盖度变化信息提取67-75
- 5.1 北京北部地区情况介绍及数据选取67-68
- 5.2 影像噪声分离68
- 5.3 植被覆盖度变化信息提取68-72
- 5.3.1 变化区域确定68-70
- 5.3.2 植被覆盖度变化信息70-72
- 5.4 研究区植被覆盖度变化格局分析72-75
- 第六章 总结与展望75-77
- 6.1 总结75
- 6.2 有待提高的地方75-77
- 参考文献77-83
- 硕士期间发表的文章83-85
- 致谢85
|
|
|
|
| 1 |
杨长保;丁继红;;面向对象的遥感图像分类方法研究[J];吉林大学学报(地球科学版);2006年04期 |
| 2 |
郭建文;冯敏;尚庆生;盖迎春;;IDL在分布式GIS系统中的应用研究[J];计算机应用研究;2007年05期 |
| 3 |
张勇;高克昌;;基于遥感和GIS的公路水毁监测和评估技术框架[J];交通运输工程学报;2010年03期 |
| 4 |
盖迎春,冯敏,郭建文,尚庆生;IDL与.Net环境通信机制研究[J];遥感技术与应用;2005年03期 |
| 5 |
何川;张友静;佘远见;陈晨;张阳;;基于Web和IDL的遥感信息提取系统开发[J];遥感技术与应用;2009年03期 |
| 6 |
陈秋晓,骆剑承,周成虎,郑江,鲁学军,沈占锋;基于多特征的遥感影像分类方法[J];遥感学报;2004年03期 |
| 7 |
李攀;胡卓玮;刘洪岐;赵晓丽;张明明;;应用混合编程实现植被遥感信息提取与安全评价模型[J];遥感信息;2011年03期 |
| 8 |
马东涛,崔鹏,杨坤,王掌军;新藏公路(新疆段)沿线道路病害及成因初析[J];自然灾害学报;2003年03期 |
| 9 |
丁加明;王永和;陈治亚;肖宏彬;;膨胀土路基水毁灾害及其粗糙神经网络预测[J];自然灾害学报;2006年06期 |
| 10 |
刘丽;何光春;陈洪凯;;新疆315国道公路水毁病害形成机制与治理[J];自然灾害学报;2011年05期 |
|
|
|
|
|
| 1 |
刘伟;;结合ERDAS的基于BPNN遥感图像分类[J];兵工自动化;2006年04期 |
| 2 |
杜鹏,赵慧洁;基于抗噪声ICA的高光谱数据特征提取方法[J];北京航空航天大学学报;2005年10期 |
| 3 |
杨晓明,黎镇湘;应用分层采样技术进行大面积遥感图像分类的研究[J];北京林业大学学报;2003年S1期 |
| 4 |
霍宏涛,王任华,冯仲科;不同IHS变换公式在植被信息提取中的比较研究[J];北京林业大学学报;2004年06期 |
| 5 |
章文波,符素华,刘宝元;目估法测量植被覆盖度的精度分析[J];北京师范大学学报(自然科学版);2001年03期 |
| 6 |
吐热尼古丽;张晓帆;;基于人工神经网络的遥感图像分类研究[J];长春师范学院学报;2006年02期 |
| 7 |
车生泉,宋永昌;城市绿地景观卫星遥感信息解译——以上海市为例[J];城市环境与城市生态;2001年02期 |
| 8 |
王玲,龚健雅;基于RBF神经网络的遥感影像分类算法研究[J];测绘工程;2003年03期 |
| 9 |
林卉,杜培军,张莲蓬;一种基于小波变换的新的边缘检测方法[J];测绘工程;2005年02期 |
| 10 |
张炳智,张丽,张继贤;利用遥感技术进行全球测图项目中的中国土地利用覆盖和植被分类图的制作ProduceLanduse&La[J];测绘科学;2002年01期 |
|
快捷付款方式
订购知网充值卡
订购热线
帮助中心