地表复杂度量化及其在土地覆盖图像分割中的应用
文献类型：学位论文
| 作者 | 朱志萍 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 李连发 ; 汪承义 |
| 关键词 | 地表复杂度 复杂性指数 空间自相关 优化采样 精度 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 复杂性是人类赖以生存的地表环境的固有属性，研究表明，地表特征的复杂性极大地限制了利用遥感数据提高目标识别和分类的准确性。典型的例子包括具有相同光谱的不同地物或具有不同光谱的相同地物的现象，以及土地覆盖图像分割中地理特征的碎片化等。在复杂地表场景下提取地面物体信息的目标技术尚未开发，自然或人工地理物体的复杂性一直是现有遥感信息提取的挑战。如何合理量化地表复杂度，并在缺少标记样本时得到高精度的泛化结果，对提高地表参数反演、遥感数据分类及解译的精度和效率，以及国土自然资源等抽样调查具有重要的指导意义。 本研究从复杂性的非线性、多尺度及不确定性的特点出发，针对类别型与连续性变量，构建地表复杂度量化指标体系，理论分析各复杂性指标的适用性。涉及到的复杂度量化方法大致可以分为基于熵的复杂性指数、空间自相关指数、空间异质性指数、波谱分析方法、分形理论五类，为后续地表复杂度相关研究提供借鉴。实验中对World Cover 数据集、第三次全国国土调查数据集、GID 数据集三个数据，使用信息熵、地表破碎度、二值LISA 三个指标中的一个或两个，进行复杂度量化与对比分析。本研究提出了一种基于信息熵的多尺度地表复杂度量化方法，用于量化和学习地表目标位置的像素级复杂度，该方法可用于测量在给定目标位置周围邻域的空间位置信息时的复杂性。同时，本研究通过输入光谱特征、地理空间特征等信息，构建了局部复杂度识别的机器学习模型，该模型可以很好地识别和提取地表的局部复杂度。在GID 数据集的测试中，以高精度提取了多尺度复杂度，评估显示其在土地覆盖图像分割（例如，建筑物、农田、森林、草地和水）的分层指导抽样和约束优化等方面的显著贡献和适用性，证实了地表复杂度信息在遥感大数据模型解译中的应用价值。 |
| 语种 | 中文 |
| 页码 | 93 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199739]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 朱志萍. 地表复杂度量化及其在土地覆盖图像分割中的应用[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。