收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于年度时间序列Landsat数据的土地覆盖分类方法研究

肖京格  
【摘要】:Landsat卫星数据因其较高的数据质量和易获取性,一直是大、中尺度土地覆盖分类的主要数据源。然而,部分传统分类方法较多依赖于单一时相数据,结果精度较低,对农田、草地、落叶林地和常绿林地等不同类型植被覆盖区域的分类效果较差;虽然有许多研究也尝试将多时相影像数据用于分类,但其在特征构造时多基于简单代数运算或线性组合,致使特征的判别性不够显著。实际上,部分Landsat影像数据存在“条带”问题,而且部分区域经常有云/雪覆盖,这些复杂的数据状况为相关研究提出了巨大挑战。对此,本文提出一种基于年度时间序列Landsat数据的土地覆盖分类方法(LandUTime),旨在克服上述局限,提高分类精度,保障算法适用性、稳定性和鲁棒性。围绕该分类方法,论文的主要研究工作和成果如下:(1)提出了基于年度时序数据回归的特征构造算法该算法以年度时间序列Landsat影像数据为输入,利用回归分析技术对地表的变化模式进行建模,从时间序列模型中构造分类特征。本文在两个研究区开展了验证实验,分别取得了88.76%和89.44%的总体分类精度,较传统基于单时相数据分类方法的精度提高了8.85%和9.51%。结果表明基于回归分析从时间序列遥感影像数据中构造分类特征的方法可行,可有效提高土地覆盖分类精度。(2)分析了时间序列模型选择对于保证特征有效性的重要性分类特征构造应该考虑到地类的特点。在利用时间序列影像数据构造特征的实验中,通过对多种方法进行比较,发现基于统计值计算的方法(以均值和中值计算为例)对提高分类精度有一定效果,但其没有充分挖掘数据中蕴含的信息,存在一定的数据浪费,以致其精度未超过85%;在基于回归分析的方法中,多项式模型没有考虑地表年度变化模式,忽略缺失数据,追求对现有数据拟合误差最小化,导致分类结果较差;而本文所提出的模型对物候变化等过程的建模精度较高,其对特征信息进行整合与提炼的能力较强。(3)提出了基于并行特征子空间的集成分类算法该算法基于“特征块”将原时序特征空间切分为并行子空间,然后将基分类器分层集成,保持了时序特征间的关联关系,同时利用子空间和Bootstrapping等策略增强了基分类器的异质性,提升了集成优度。在两个研究区进行的系列对照实验中,本文所提出方法的总体精度为90.46%和91.67%,高于其它同类算法,具备分类准确度较高且性能良好的特点。与随机森林和K最近邻等方法相比,兼顾了精度与运行效率。(4)总结了LandUTime对不同土地覆盖类型的判别能力实验表明,LandUTime通过对地物年度变化规律的建模和集成多分类器进行决策,可以有效提高土地覆盖分类精度。在比较不同类别的结果后,发现LandUTime对落叶林地、草地、农田和水体等类型具有较强的识别能力,但在区分建设用地、裸地和常绿林地等方面稍显不足。进一步分析表明,基分类器中的距离度量指标对类别判断具有一定影响。本文的综合研究结果表明,LandUTime土地覆盖分类方法在解决传统方法遇到的问题方面效果显著,算法精度稳定,效率较高,具有广泛的应用前景。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 蔡红艳;张树文;张宇博;;全球环境变化视角下的土地覆盖分类系统研究综述[J];遥感技术与应用;2010年01期
2 刘勇洪;牛铮;徐永明;王长耀;李贵才;;基于MODIS数据设计的中国土地覆盖分类系统与应用研究[J];农业工程学报;2006年05期
3 宫攀;陈仲新;唐华俊;张凤荣;;土地覆盖分类系统研究进展[J];中国农业资源与区划;2006年02期
4 向井幸男;中山裕则;王家圣;;日本MOS-1卫星MESSR传感器的土地覆盖分类性能[J];遥感信息;1989年04期
5 孙丹峰,汲长远,林培;自组织网络在遥感土地覆盖分类中应用研究[J];遥感学报;1999年02期
6 徐永明;刘勇洪;魏鸣;吕晶晶;;基于MODIS数据的长江三角洲地区土地覆盖分类[J];地理学报;2007年06期
7 张树誉,颜胜安;陕西省土地覆盖分类的遥感应用研究[J];中国农业气象;2002年02期
8 王树根;非洲大陆土地覆盖分类工程剖析[J];测绘信息与工程;1998年03期
9 陈江;郭增长;;中巴资源卫星02B星土地覆盖分类[J];太原科技;2008年10期
10 薛宝;全球土地覆盖分类系统国际培训与研讨会在我校举行[J];北京师范大学学报(自然科学版);2005年03期
11 李全,王海燕,李霖;基于最大似然分类算法的土地覆盖分类精度控制研究[J];国土资源科技管理;2005年04期
12 陈嘉;赵祥;唐荣云;彭义峰;杜晓铮;王昊宇;;基于定量遥感产品的土地覆盖分类方法研究[J];北京师范大学学报(自然科学版);2018年03期
13 武芳;;基予时间序列MODIS/EVI的几种土地覆盖分类方法比较[J];黑龙江科技信息;2014年24期
14 韩敏,程磊,邢军;基于神经网络的扎龙湿地土地覆盖分类研究[J];大连理工大学学报;2004年04期
15 王婷婷;李山山;李安;冯旭祥;吴业炜;;基于Landsat 8卫星影像的北京地区土地覆盖分类[J];中国图象图形学报;2015年09期
16 李英勇;刘宗祥;唐尧;;基于ETM+影像融合的土地覆盖分类研究[J];山西建筑;2011年36期
17 彭立;杨武年;黄瑾;;川西高原多时相干涉雷达土地覆盖分类研究[J];西南大学学报(自然科学版);2016年05期
18 郅惠;王琪;黄彦丽;李扬;;基于Landsat-8影像的大通县土地覆盖分类方法对比研究[J];青海大学学报;2017年06期
中国重要会议论文全文数据库 前9条
1 李耀辉;韩涛;;基于EOS/MODIS资料的中国黄土高原西部土地覆盖分类研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
2 何彬方;范伟;刘慧敏;冯妍;;基于MODIS数据的安徽省土地覆盖分类研究[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年
3 孙丹峰;;自组织网络与模糊规则结合在遥感土地覆盖分类中的应用研究[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
4 刘爱霞;王静;刘正军;;基于MODIS数据的北京西北部地区土地资源监测研究[A];2006年中国土地学会学术年会论文集[C];2006年
5 郭健;张继贤;张永红;曹银璇;;多时相MODIS影像土地覆盖分类比较研究[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年
6 任朝霞;杨达远;任福文;;利用中巴资源卫星图像编制博湖县土地利用现状图的研究[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
7 陈建军;张树文;;基于MODIS数据的东北地区土地覆盖分类的精度评价研究[A];第十四届全国遥感技术学术交流会论文选集[C];2003年
8 陈建军;张树文;;基于MODIS数据的东北地区土地覆盖分类的精度评价研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
9 杨莹;刘元波;阮仁宗;叶春;赵东波;;基于遥感数据的土地覆盖分类尺度效应分析——以MODIS和ASTER为例[A];遥感定量反演算法研讨会摘要集[C];2010年
中国博士学位论文全文数据库 前3条
1 骆成凤;中国土地覆盖分类与变化监测遥感研究[D];中国科学院研究生院(遥感应用研究所);2005年
2 魏香琴;面向应用的国产光学卫星数据应用性能评价研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年
3 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年
中国硕士学位论文全文数据库 前10条
1 史路路;基于卷积神经网络的遥感影像土地覆盖分类研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
2 肖京格;基于年度时间序列Landsat数据的土地覆盖分类方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
3 祝云霄;基于多尺度特征融合的银川平原土地覆盖分类研究[D];北方民族大学;2018年
4 李红映;基于MODIS数据的浙江省土地覆盖分类研究[D];浙江农林大学;2011年
5 刘兵兵;基于时空遥感数据融合的土地覆盖分类方法研究[D];辽宁师范大学;2017年
6 杨玉霞;基于智能算法的土地覆盖分类研究[D];内蒙古师范大学;2012年
7 赵德刚;MODIS数据在全国1:100万土地覆盖制图中的应用研究[D];南昌大学;2009年
8 郝莹莹;基于气候分区的全球土地覆盖分类方法[D];重庆邮电大学;2016年
9 吴俊杰;基于MODIS植被指数时序数据的东北亚地区土地覆盖分类[D];东北师范大学;2010年
10 岳瑞红;基于MODIS数据的蒙古高原土地覆盖分类研究[D];内蒙古师范大学;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978