面向对象的复杂地形区土地利用信息提取研究——以湟水流域为例

摘要

本文以湟水流域为研究样区，从复杂地形区的土地利用信息提取入手，针对中等分辨率的 Landsat8 OLI影像特点，探讨基于面向对象方法土地利用/土地覆被信息提取技术，寻求一种可服务于复杂地形区的快速的、较高精度的提取土地利用信息方法。主要研究结论如下：
　　（1）面向对象的分类方法具有分类精度高、速度快、操作简单等优点。综合所选择影像全局及各待提取地物类型的特点，找到最优分割尺度，可减小噪声的影响并有效的避免了传统基于像元分类方法中“椒盐现象”的产生。其基本处理单元是分割后所形成的多边形对象，综合考虑了影像中地物的形状、纹理等特征，使分类的结果更加客观。
　　（2）湟水流域地形复杂，通过地理分区的方式将整个研究区划分为不同的子区域，分区域提取土地利用信息。根据各个子区域地理要素及空间分布的差异性建立各自的分类层次，为每个分类层次设定合适的分割尺度，并根据待提取地物类型的特征确定分类规则。结果表明，通过地理分区的方式更有助于研究区土地利用信息的提取。
　　（3）本文对湟水流域土地利用信息提取所选用的OLI影像的最佳波段选择及组合展开了相关探讨，通过单波段信息量统计方法、多波段相关性统计方法及OIF指数所确定的OLI影像最佳波段，可有效地减少影像各波段间的信息冗余，最终确定B4、B5、B6波段为最佳的波段选择；综合考虑OLI影像B4、B5、B6自身的特点，采用波段B5、B6、B4分别赋予RGB的非标准假彩色合成方案，试验结果表明，该合成方案较优，对研究区的各土地利用类型的区分度较高。
　　（4）本文利用多尺度分割技术生成多个影像对象层，并根据待提取地物的特点从不同层次上分别进行提取，最终确定对不同类型土地利用信息在三个分类层次上提取，通过反复试验对比，为每一分类层设定一个最优的分割尺度。采用面向对象方法的土地利用信息进行提取，精度较高。其中川水区总体分类精度为84.83％，Kappa系数为0.83；浅山区总体分类精度为86.60%，Kappa系数为0.84；脑山区总体分类精度为88.33%，Kappa系数为0.86。
　　（5）采用基于像元的支持向量机方法对研究区土地利用信息进行提取，结果表明：川水区总体分类精度为77.56%，Kappa系数为0.74；浅山区总体分类精度为81.05%，Kappa系数为0.78；浅山区总体分类精度为81.05%，Kappa系数为0.78。各地理分区的提取精度均明显低于面向对象的分类方法，但可以满足分类要求。
　　（6）对比两种分类方法的提取结果可以看出，面向对象的遥感影像分类方法大大提高了分类的效率和精度，对中等分辨率OLI影像来说，该分类方法有着较大的优势。面向对象的分类方法可以根据影像自身的特征和待提取目标的特点，通过计算和统计典型影像对象的光谱、形状、纹理以及自定义特征来确定各类地物的分类特征，充分利用对象的各种特征及不同层次间类和对象的各种关系，还可以引入与待提取地类提取有关的专题数据，如NDVI、NDBI、MNDWI、DEM、Slope等。特别是在地形复杂的研究样区，根据地类的分布特征引入相关的辅助数据层，使得分类更为灵活，同时可进一步提高提取的精度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状及发展趋势

1.3 研究目标与研究内容

1.4 技术路线与论文框架

1.5 研究特色、创新与难点

第二章 面向对象的土地信息提取方法

2.1 影像分割

2.2 面向对象的分类方法

第三章 研究区概况与数据源

3.1 研究区自然地理特征

3.2 研究区社会经济特征

3.3 数据来源

3.4 数据预处理

第四章 湟水流域土地利用信息提取

4.1 土地利用/土地覆被分类系统

4.2 辅助特征指标的选取

4.3 基于波段优选的多级图像分割

4.4面向对象的土地利用信息提取

4.5 基于支持向量机的土地利用信息提取

第五章 分类结果精度评价

5.1 混淆矩阵

5.2 Kappa 系数

5.3 精度评价与分析

5.4 土地利用信息提取结果对比分析

第六章 结论与展望

6.1 主要结论

6.2 问题与展望

参考文献

致谢

个人简历