| 【中文题名】 | 基于遥感影像的城市绿地信息提取及分析 |
| 【英文题名】 | Extraction and Analysis of City Green Space Information Based on RS Image |
| 【学科专业】 | 地图学与地理信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-13 |
| 【中关键词】 | 遥感影像聚类,监督分类,非监督分类,模糊C均值聚类,上海绿地, |
| 【英关键词】 | Clustering of RS image,Supervised Classification,Unsupervised Classification,Fuzzy C means,Green Space of Shanghai, |
| 【分类导航】 | 工业技术>建筑科学>区域规划、城乡规划>绿化规划>> |
| 【论文摘要】 |
目前，随着遥感技术的迅速发展，特别是遥感影像处理水平的提高，遥感在社会各领域的应用日益广泛。在城市规划方面，利用遥感可以实现土地利用的动态监测，空气质量的监督控制，城市生态环境规划建设等。近年来，国内外许多城市将遥感技术应用到绿地信息提取中，以动态掌握绿地覆盖面积，优化绿地空间结构，这不仅可以实现城市绿地的整体规划，同时对于改善生态环境，提高城市的可持续发展潜能具有重要的实际意义。
论文以上海市2003年的ETM遥感影像为数据源，对影像进行校正、裁剪、光谱增强等一系列的预处理，然后通过监督分类、非监督分类和模糊C均值聚类三种方法分别对上海市地物类型进行分类，提取绿地信息；并以普陀区为例，对三种分类方法进行了比较分析。研究结果表明，从分类总体效果来看，模糊C均值分类方法优于监督分类，而监督分类又优于非监督分类。然后，根据三种方法得到的上海市绿地信息，对上海市绿化建设现状进行了分析，在此基础上提出了未来的发展目标及建设措施。最后，提出了模糊C均值方法的尚存的一些不足之处。
论文的特色及创新之处在于：针对遥感影像中的混合像元，引入了目前最流行的模糊C均值聚类方法，它是结合模糊集理论和K-均... |
| 【论文题纲】 |
|
摘要 |
6-7 |
|
Abstract |
7-9 |
|
目录 |
9-11 |
|
第一章 绪论 |
11-19 |
|
1.1 遥感及其发展史简介 |
11-12 |
|
1.2 城市遥感及选题意义 |
12-13 |
|
1.3 国内外研究现状 |
13-15 |
|
1.4 研究内容 |
15-16 |
|
1.5 技术路线 |
16-17 |
|
1.6 论文特色 |
17-19 |
|
第二章 遥感在城市绿地调查中的应用 |
19-25 |
|
2.1 城市绿地的概念 |
19-21 |
|
2.2 城市绿地的光谱特征及植被影像特征 |
21-22 |
|
2.3 主要植被指数类型及应用 |
22-24 |
|
2.4 基于遥感的城市绿地研究内容 |
24-25 |
|
第三章 遥感影像数字处理 |
25-42 |
|
3.1 遥感数字影像数据处理的内容 |
25-26 |
|
3.2 遥感数字影像处理方法介绍 |
26-37 |
|
3.2.1 监督分类原理介绍 |
26-30 |
|
3.2.2 非监督分类原理介绍 |
30-34 |
|
3.2.3 模糊C均值聚类原理介绍 |
34-37 |
|
3.3 影像预处理 |
37-42 |
|
3.3.1 影像校正 |
37-38 |
|
3.3.2 影像裁剪 |
38-39 |
|
3.3.3 图像增强 |
39-42 |
|
第四章 基于遥感影像的上海市绿地信息提取 |
42-59 |
|
4.1 研究区概况 |
42-46 |
|
4.1.1 地理位置及自然环境 |
42-44 |
|
4.1.2 上海市绿化建设概况 |
44-46 |
|
4.2 影像分类及绿地信息提取 |
46-54 |
|
4.2.1 影像监督分类 |
46-50 |
|
4.2.2 影像非监督分类 |
50-53 |
|
4.2.3 影像模糊C均值聚类 |
53-54 |
|
4.3 结果分析 |
54-59 |
|
4.3.1 分类方法比较分析 |
54-57 |
|
4.3.2 上海市绿化建设现状、目标及措施 |
57-59 |
|
第五章 结论与展望 |
59-61 |
|
5.1 研究内容总结 |
59 |
|
5.2 研究方法展望 |
59-61 |
|
参考文献 |
61-66 |
|
致谢 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.129895 |
