基于混合智能模型的湿地资源遥感监测技术研究 ——以江苏盐城滨海湿地区域为例

论文摘要

湿地几乎遍布世界各地,但是人类对湿地真正认识只是近半个世纪的事,尽管目前国内外对湿地的定义还不完全一致,但是《湿地公约》的定义已经被国际上各个国家和研究机构普遍地接受,“湿地系指不问其为天然或人工、长久或暂时之沼泽地、湿原、泥炭地或水域地带,带有或静止的或流动的、或为淡水、微咸水或咸水的水体者,包括低潮时水深不超过6m的浅海区域。”按此定义,湿地包括了海洋/海岸湿地、内陆湿地、人工湿地三大类,其中主要包括永久性浅海水域、岩石性海岸、沙滩、滩涂、湖泊、草本泥炭地、高山湿地、苔原湿地、灌丛湿地、水产池塘、灌溉地、盐田、运河、排水渠,以及海岸带区域的珊瑚礁、海草区、红树林和河口等。由于兼具陆地生态系统和水生生态系统的特点,湿地是地球上生产力最高的特殊生态类型,具有保持水源、净化水质、蓄洪防旱、调节气候、美化环境和维护生物多样性等重要生态功能。湿地也因此被誉为“地球之肾”、“天然水库”和“天然物种库”。滨海湿地处于海陆的交错地带,是一个“边缘地区”,是发育在陆地与海洋之间,受海洋和大陆相互作用最强烈的地带。其生物多样性丰富、生产力高,在全球变化、防风护岸、降解污染、调节气候等诸多方面具有重要价值。本研究主要探讨盐城滨海湿地区域信息遥感提取的技术方法以及湿地资源景观变化的分析与预测。采用模拟反射率图像的图像处理方法,综合每个波段信息量,减弱在信息损失,并且科学的运用波段辐射能量特点,以模拟反射率图实现,使阴影区的图像质量、分辨率得到了提高,提高了整体图像质量及地物分辨清晰度,使图像处理由传统的不定量(拉伸)处理变为定量(特定处理工艺)处理,囊括了TM数据七个波段的信息,信息利用完整。在遥感图像视觉生理认知过程中,基于湿地遥感监测的技术,在湿地研究区确立了模拟反射率TM多波段图像的最佳信息量、最优监测波段组合TM453。基于遥感图像的色度、纹理、地物形状、生长过程知识、GIS属性、空间关系及一系列启发性知识和事实等地学辅助信息的使用,融入多种地学知识,加大了知识获取、知识维护及知识匹配推理等一系列问题操作和实现。采用研究区1988年到2009年相隔20年共5期湿地信息提取数据,结合研究的信息提取混合智能模型得到了盐城湿地研究区从1988年—2009年20多年来的湿地资源类型和主要土地覆盖类型变化分布情况,其信息提取总体精度和Kappa系数优于单纯的BP神经网络分类总精度84.33%,Kappa系数0.821和监督分类最大似然法的分类总精度为81.21%,Kappa系数为0.804,得到的结果为：1988年4月总精度为89.12%,Kappa系数为0.889；1994年6月总精度为89.97%,Kappa系数为0.875；2000年6月总精度为90.11%,Kappa系数为0.897；2006年9月总精度为89.41%,Kappa系数为0.871；2009年3月总精度为90.27%,Kappa系数为0.888。通过空间分析功能,获得湿地空间数据,并进行叠加得到湿地变化数据；借助景观生态学的思想,利用空间格局指数对江苏省盐城湿地资源景观格局的动态变化进行了分析研究,并用马尔可夫预测模型对研究区格局发展趋势进行预测,得到的预测结果表明在未来的10年内非湿地景观类型的面积比例将越来越大,居民用地和养殖场/塘将一直保持增加的趋势,而耕地在2006年之后将逐渐呈现减少的趋势,城市扩张发展、各大交通、电力、能源、通讯等工程的实施占用大量耕地面积。随着时间的推移,自然形成的湿地资源碱蓬滩、芦苇滩、米草滩只有在两大自然保护区内才可以发现,更多的泥滩和草滩地已经被沿海大开发所利用,滩涂的围垦和大型风力发电厂基地的兴建,自然湿地资源大量的减少。盐城湿地研究区将逐渐发展为由野生麇鹿保护区和国家级珍禽自然保护区中仅存的自然湿地变化,和人工湿地养殖场／塘为主要的湿地类型,其它湿地资源面积逐渐减少的湿地区域变化趋势。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究意义和选题依据
• 1.1.1 研究背景
• 1.1.2 项目来源与经费支持
• 1.1.3 选题依据
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 遥感信息智能化处理方法研究现状
• 1.3 湿地资源遥感监测存在的主要问题
• 1.4 研究内容、方法和技术路线
• 1.4.1 研究内容
• 1.4.2 研究方法和技术路线
• 1.4.3 论文框架
• 1.5 研究成果与创新
• 2 核心理论及方法分析
• 2.1 遥感图像恢复
• 2.1.1 辐射校正
• 2.1.2 几何校正
• 2.2 TM影像反射率模拟成像
• 2.3 遥感图像分类的混合智能模型
• 2.3.1 遥感影像最佳波段组合选择
• 2.3.2 遥感影像信息提取技术
• 2.3.3 遥感影像数据挖掘
• 2.3.4 混合智能分类模型
• 3 盐城滨海湿地资源遥感监测
• 3.1 实验区介绍
• 3.1.1 自然地理与环境概况
• 3.1.2 区域资源环境特征
• 3.2 数据准备与工作流程
• 3.2.1 数据来源
• 3.2.2 遥感监测技术路线
• 3.2.3 数据预处理
• 3.3 盐城湿地遥感分类系统
• 3.4 混合智能分类模型的遥感信息提取
• 3.4.1 TM影像反射率模拟成像
• 3.4.2 基于最佳信息熵的波段组合选择
• 3.4.3 基于BP神经网络的遥感影像信息提取
• 3.4.4 基于知识数据挖掘
• 3.4.5 混合智能模型分类规则与实现
• 3.5 湿地资源遥感分类结果评价
• 4 研究区湿地资源动态变化分析
• 4.1 湿地景观格局指数
• 4.2 湿地资源变化分析
• 4.3 基于马尔可夫预测模型的湿地资源变化预测
• 4.3.1 马尔可夫预测模型概述
• 4.3.2 马尔可夫转移概率矩阵确定
• 4.3.3 马尔可夫预测模型的实现
• 5 结论与研究展望
• 5.1 结论
• 5.2 研究展望
• 参考文献
• 附录A 攻读学位期间的主要学术成果
• 致谢