基于空间数据库的地类知识发现及其应用

摘要

我国已积累了大量的土地利用调查数据,有的已建成了土地利用空间数据库,同时,还获取到大量的多源多时相的遥感数据。由于数据库本身无法分析数据之间的潜在关系,使得人们面对海量数据时,能获取的知识匮乏。人们无法发现数据中存在的关系和规则,无法根据现有的数据预测未来的发展趋势,缺乏发现数据背后隐藏知识的手段,导致了“人类正被数据淹没,却饥渴于知识”现象的产生。如何将土地利用数据库与多源多时相遥感数据结合起来,探讨基于地块的土地利用数据库的遥感知识的发现,仍然是一个有待深入研究的问题;如何将一些知识发现的方法与GIS数据相结合,从海量的地学数据获取知识,挖掘出地学知识中所隐含的知识或规则,已成为空间数据领域里的一个重要研究的方向与课题。因此,在该背景条件下,本论文开展了基于空间数据库的地类知识发现,从不同地形、不同背景下发现各地类的地学知识与遥感知识,并将该知识运用到地块属性的判定中。
　　 在该背景条件下,本论文在山区与丘陵地区各选择一研究区,进行基于空间数据库的地类知识发现。在山区,开展了基于TM的地类遥感知识发现的研究,发现了不同背景下分布的地类及其光谱知识,证明了可以通过分层来扩大地类层间差异性和提高地类层内一致性。在丘陵地区,开展了基于MODIS的早地与水田光谱过程知识发现的研究,从不同时相的Modis影像上发现两者的光谱变化过程,揭示出提取这两种地类的最佳时相影像;开展了基于土地利用空间数据库的地类地学知识发现的研究,挖掘出各地类分布的海拔和坡度知识;开展了基于ALOS的地类光谱知识、多维特征的发现,利用线性增强后的NDVI影像,有效提取了有林地;开展基于IKONOS的丘陵地区地类遥感知识发现,发现了各地类光谱知识与纹理知识,基于这些知识,在IKONOS归一化水体指数特征上,实现了水体、滩涂的提取,在纹理特征上实现水田的提取。最后本论文以丘陵试验区为例,建立多源时空遥感知识库、地学知识库等,利用综合推理技术,实现分割后地块属性的判定,并利用已有的地面调查数据来检验判定结果。实验表明该方法下的属性判定,第一层次判定精度达88.11％;第二层次判定精度达89.75％;第三层次判定精度达92.62％;总精度达93.03％。

目录

文摘

英文文摘

1 绪论

1.1 空间数据库知识发现概述

1.1.1 空间数据库

1.1.2 知识发现

1.2 研究背景及意义

1.3 国内外研究现状

1.4 本论文结构安排

2 研究区概况及研究方案

2.1 研究区概况

2.1.1 高山研究区概况

2.1.2 丘陵研究区概况

2.1.3 研究区数据处理

2.2 研究方案

2.2.1 研究目标

2.2.2 技术方案

3 山区地类知识发现

3.1 地类光谱知识发现[47]

3.1.1 亮度均值知识发现

3.1.2 亮度标准差知识发现

3.1.3 亮度分布垂直带谱

3.2 分层下的地类光谱知识发现

3.2.1 土壤类型分层下的各地类光谱知识

3.2.2 地貌分层下的各地类光谱知识

3.2.3 坡度分层下的各地类光谱知识

4 丘陵地区地类知识发现及其应用

4.1 丘陵地区地类地学知识、空间配置和形状知识发现

4.1.1 海拔背景知识发现

4.1.2 坡度背景知识

4.1.3 各地类空间配置知识

4.1.4 各地类地块形状知识

4.1.5 各地类地块面积知识

4.2 基于MODIS的丘陵地区地类光谱过程知识发现

4.2.1 光谱过程知识发现

4.2.2 NDVI过程知识发现

4.2.3 RVI过程知识发现

4.3 基于ALOS的丘陵地区地类知识发现

4.3.1 样本选择

4.3.2 光谱知识

4.3.3 基于NDVI的有林地提取

4.4 基于IKONOS的丘陵地区地类知识发现

4.4.1 光谱知识发现

4.4.2 纹理知识发现与水田提取

4.4.3 水体、滩涂提取

4.5 基于知识的地块属性判定

4.5.1 影像分割

4.5.2 图斑的遥感及地学特征量计算

4.5.3 基于DEM的山脊线、山谷线提取

4.5.4 属性判定

4.5.5 精度检验

5 结论与展望

5.1 结论

5.2 展望

参考文献

致谢

硕士研究生期间科研成果