导读:本文包含了变化向量分析论文开题报告文献综述及选题提纲参考文献，主要关键词:土地利用,变化向量分析,面向对象,高分二号
变化向量分析论文文献综述
张沁雨,李哲,彭道黎[1]（2019）在《利用面向对象变化向量分析(OCVA)检测土地利用变化》一文中研究指出为推广国产高分数据在土地利用变化检测方面的应用,以延庆区张山营镇2015和2018年2期高分二号(GF-2)影像为数据源,采用面向对象变化向量分析法(OCVA),先通过不同分割模式获取对象,其次利用引入权重的欧氏距离构建变化向量的模,再通过目标函数确定最佳检测阈值后对研究区进行变化检测,最后对变化区域进行面向对象分类,得到具体的"从…到"变化类型。结果表明:1)多时相组合分割模式下的OCVA法精度要高于多时相分别分割模式;2)利用加权组合方法构建对象变化向量的模更易确定最佳检测阈值,且最后的总体精度要高于传统OCVA法;3)结合面向对象分类的OCVA法能有效减少面向对象分类后变化检测法和单一OCVA法的伪变化,检测精度达到92.50%。(本文来源于《中国农业大学学报》期刊2019年06期）
鲍其胜,何立恒,徐迅[2]（2019）在《应用支持向量机的土地利用时空变化分析——以琼海市为例》一文中研究指出基于2006、2010和2014年的Landsat影像,利用支持向量机的分类方法提取琼海市的土地利用信息并进行精度评价,采用数理统计、转移矩阵、空间迭加等方法进行土地利用时空变化分析。结果表明,各地类的用户精度、生产者精度较高,总体精度达86%以上,Kappa指数为0.82。研究时段内,土地利用变化较显着,耕地和其他用地急剧减少,林地略有减少,水域少量减少,园地和建设用地呈增加态势,但减少和增加的速度趋缓,土地综合利用水平持续提高。地类分布及相互间转移的区域差异明显,其他地类的转化多发生在东部沿海和内河两岸,中部、东北部及南部的耕地、中北部的林地、北部和南部的建设用地、零星地块等都有转化为园地,建设用地主要沿公路和河流条带状扩张,从中心地带向外扩展。研究成果为琼海市的土地利用调整和优化等提供基础数据和科学依据。(本文来源于《测绘地理信息》期刊2019年01期）
李亮,王蕾,孙晓鹏,应国伟[3]（2017）在《面向对象变化向量分析的遥感影像变化检测》一文中研究指出为了解决基于像元的变化向量分析法在高分辨率遥感影像变化检测中精度低的问题,提出了一种面向对象变化向量分析的遥感影像变化检测方法。综合2个时期的遥感影像,首先通过影像分割获取像斑,其次提取直方图作为像斑的特征向量,再次采用直方图相交法度量2个时期像斑直方图之间的距离,构建像斑的变化向量,然后利用加权组合的方法计算像斑变化向量的模,最后依据最大熵原理获取变化检测阈值,对像斑进行变化/未变化判别。在QuickBird及Ikonos遥感影像上的实验表明:在高分辨率遥感影像变化检测中,与基于像元的变化向量分析法相比,该方法变化检测的精度较优,变化检测的正确率分别达到了0.92与0.90。(本文来源于《遥感信息》期刊2017年06期）
李春干,梁文海[4]（2017）在《基于面向对象变化向量分析法的遥感影像森林变化检测》一文中研究指出为探讨用于森林资源数据库更新的森林变化空间信息采集方法,以林地变化频繁快速、变化图斑多且小的广西上思县局部区域为研究区,以资源叁号(ZY-3)和高分一号(GF-1)高空间分辨率卫星遥感图像和小班专题图为数据源,采用面向对象的变化向量分析(change vector analysis,CVA)方法,基于马氏距离、欧氏距离和相对误差距离度量变化强度,通过目标函数确定最佳检测阈值,以小班为单元进行森林变化检测。结果表明,用欧氏距离、马氏距离检测的森林变化结果都不甚理想,漏检率和误检率高,总体精度较低,Kappa系数较小;用相对误差距离检测的结果较好,漏检率(21.0%)和误检率(32.5%)均最小,总体精度最高(89.6%),Kappa系数最大(0.664);误检测的图斑多为成林地和无林地(建设用地、林区道路等),各个变化类型都出现了少量漏检图斑。(本文来源于《国土资源遥感》期刊2017年03期）
赵辽英,陈小芬,厉小润[5]（2017）在《变化向量分析结合光谱解混的高光谱变化检测》一文中研究指出针对多时相高光谱图像像素级的多类变化检测问题,提出变化向量分析和光谱解混相结合的多类变化检测方法.基于光谱变化向量分析,利用最大期望(EM)算法迭代求阈值,实现变化区域检测.对多时相高光谱图像分别提取端元,求解2个图像中变化区域像元的丰度.以相关系数为相似性判断准则,根据图像分类精细程度自适应确定阈值,实现多时相高光谱图像各端元对应类别的匹配和确定.对变化向量分析方法检测出的变化区域求丰度,根据丰度最大确定各像元类别.通过逐像元类别比较,判断类别变化信息.仿真数据和真实多时相高光谱图像的变化检测实验结果表明,与直接光谱解混分类后变化检测方法相比,采用提出的方法能够明显提高高光谱图像多类变化检测的精度,运行效率提高1倍以上.(本文来源于《浙江大学学报(工学版)》期刊2017年10期）
朱日俊[6]（2017）在《基于变化向量分析的小麦全蚀病遥感监测研究》一文中研究指出近年来,病虫害流行程度逐年加重,使得及早预测及实时监测病虫害的任务更加艰巨。随着各种类型的遥感数据源的出现,利用遥感技术来收集、监测和预测作物在大范围上的病害信息,成为了一种重要而有效的途径信息,将逐步取代的下地目测手查等传统方式。本文主要以小麦全蚀病为研究对象,以小麦全蚀病发病区域监测为研究主线,利用Landsat系列卫星遥感影像,结合地面采集的样本数据,开展了小麦全蚀病的监测研究,具体研究内容和结果如下:(1)为了提高遥感监测小麦全蚀病病害严重度的精确程度,避免其它对象的干扰,本文利用NDVI对植被的特殊敏感性,采用一个NDVI阈值将植被区域与非植被区域分离开;基于草地在近红外波段反射率高于作物和森林这一点,通过设置一个Nir阈值将草地与作物、森林进一步分离出来;通过设置DEM高程阈值和坡度阈值将作物与森林植被区分离开来。结合支持向量机的分类方法和最大似然法,将小麦与非小麦作物区域进行分离,并通过精度验证选取较优的分类方式,获取研究区的小麦种植区域信息。(2)2月29号、5月4号、5月11号分别对应小麦的返青期、抽穗期和灌浆期这叁个生长阶段,本文基于叁景遥感影像分别计算出不同时相研究区的增强型植被指数EVI、归一化植被指数NDVI、归一化叶绿素比值植被指数NPCI、氮素反射指数NRI、植被衰老化反射指数PSRI、光谱结构不敏感指数SIPI这六个与小麦长势响应关系较好的植被指数,通过分析植被指数的分布信息,结合实地采集的小麦样本数据,判断不同植被指数与小麦全蚀病病害严重程度的相关关系。(3)基于6种植被指数,构建一个多维向量空间,其中3月29号、5月4号、5月11号叁景影像分别对应一个多维的植被指数向量。将3月29号和5月4号、5月4号和5月11号分别构建变化向量。通过变化向量分析,对小麦全蚀病进行了遥感监测,利用小麦全蚀病受害面积与增强型植被指数的响应关系,重新定义了矢量构建,构建了一个多维的小麦全蚀病遥感监测模型,通过比较不同植被指数的变化范围,分析得到增强型植被指数对小麦全蚀病的响应关系更加精确,由此用该指数建立小麦全蚀病的监测模型。通过分析研究地区叁个不同时相的病害遥感监测情况,得出研究区域的东部和北部小麦长势相对较好,受小麦全蚀病的影响相对较小,小麦减产量较小,而研究区的西部和南部受害面积广,受病害程度严重,小麦产量严重减少。以监测结果为依据,判断小麦全蚀病的空间分布和传播规律,采取针对性的防治措施,可以有效减轻小麦全蚀病的病害影响,保证小麦产量。(本文来源于《河南农业大学》期刊2017-03-01）
孙佩军,杨珺雯,张锦水,潘耀忠,云雅[7]（2015）在《图斑与变化向量分析相结合的秋粮作物遥感提取》一文中研究指出本文提出一种图斑与变化向量分析相结合的农作物提取方法,旨在综合面向对象空间纹理信息、归一化植被指数信息和作物变化信息,提取农作物.实验以高分一号为数据源,选取河北省衡水市中部区域提取作物,根据野外采样点数据验证方法精度.实验结果表明:该方法较高精度地提取了研究区作物分布,总体精度达到93.4%.其中主要作物玉米提取的用户精度、制图精度分别为95.4%、95.7%,棉花提取的用户精度、制图精度分别为86.8%、84.0%,其余非农作物类别用户精度高于89.9%,制图精度高于91.6%.棉花和景观树由于种植破碎,并且大部分都混作于玉米中,提取精度比玉米低.从分类结果图中可以看出,该方法基于面向对象,以地块为基本识别单元提取作物信息,消除了传统基于像元的分类存在的"椒盐现象".研究表明:本文提出的方法能够充分利用面向对象地块信息,以农作物变化信息为依据,辅以归一化植被指数,较高精度的提取农作物.该方法的成功实施为面向对象方法在农作物提取中的研究提供了新思路,为作物信息提取提供了有效的途径.(本文来源于《北京师范大学学报(自然科学版)》期刊2015年S1期）
黄维,黄进良,王立辉,胡砚霞,韩鹏鹏[8]（2016）在《基于PCA的变化向量分析法遥感影像变化检测》一文中研究指出为实现对土地覆盖变化的遥感监测,研究了一种基于不同年份单时相遥感数据提取差异影像、自动确定变化阈值提取变化区域的新方法。以南通市Landsat8 OLI影像为例,对2期影像分别进行主成分分析(principal component analysis,PCA);取前3个主分量进行变化向量分析(change vector analysis,CVA),构造变化检测差异影像,并与传统PCA法和CVA法构造的差异影像进行对比;对3景差异影像分别用传统全局阈值法和局部最小错分概率法自动确定阈值,分别提取变化区域,得到6景变化区域图。利用目视解译样点进行精度评价的结果表明,改进后的基于PCA的CVA法提取的变化区域总体精度可达92.78%,Kappa系数可达0.842 6,证明使用该方法可有效地进行不同年份单时相遥感数据的变化检测。(本文来源于《国土资源遥感》期刊2016年01期）
林卉,朱庆,胡召玲[9]（2014）在《模糊支持向量机和变化矢量分析相结合的矿区土地覆盖变化检测》一文中研究指出针对目前土地覆盖变化检测常用的方法存在不同程度的误差累积,夸大了变化区域,提出模糊支持向量机(FSVM)和变化矢量分析(CVA)相结合的土地覆盖检测方法。以某矿区2004年和2008年两期的CBERS遥感影像进行了试验。结果表明,植被大幅减少,其他地类都有不同程度的增加,主要是由于开采规模和产量提升所致。通过与常规的其他两类方法比较发现,本文方法的总体精度、Kappa系数、漏检误差和虚检误差分别为92.67%、0.892 7%、5.79%、7.31%,比其他两种方法有较大提高,能够提供较全面的变化类别和准确信息,可以有效地应用于矿区土地覆盖动态监测。(本文来源于《测绘通报》期刊2014年11期）
罗正媛,汤洋[10]（2013）在《黑龙江省玉米产量变化的预测分析——基于支持向量机的实证研究》一文中研究指出应用支持向量机(SVM)的算法进行黑龙江省玉米产量的预测研究,用1983-2010年黑龙江省玉米产量数据组成样本集,建立影响因素与玉米产量之间的SVM模型。利用SVM对输入和输出数据进行训练学习,逼近历史数据所隐含的函数关系,完成对新数据序列的映射关系,从而完成对未来年份玉米的预测,并与其它几种方法的预测效果进行比较。结果表明,应用SVM预测模型预测玉米产量的能力优于其他预测方法。(本文来源于《农机化研究》期刊2013年02期）
变化向量分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于2006、2010和2014年的Landsat影像,利用支持向量机的分类方法提取琼海市的土地利用信息并进行精度评价,采用数理统计、转移矩阵、空间迭加等方法进行土地利用时空变化分析。结果表明,各地类的用户精度、生产者精度较高,总体精度达86%以上,Kappa指数为0.82。研究时段内,土地利用变化较显着,耕地和其他用地急剧减少,林地略有减少,水域少量减少,园地和建设用地呈增加态势,但减少和增加的速度趋缓,土地综合利用水平持续提高。地类分布及相互间转移的区域差异明显,其他地类的转化多发生在东部沿海和内河两岸,中部、东北部及南部的耕地、中北部的林地、北部和南部的建设用地、零星地块等都有转化为园地,建设用地主要沿公路和河流条带状扩张,从中心地带向外扩展。研究成果为琼海市的土地利用调整和优化等提供基础数据和科学依据。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变化向量分析论文参考文献
[1].张沁雨,李哲,彭道黎.利用面向对象变化向量分析(OCVA)检测土地利用变化[J].中国农业大学学报.2019
[2].鲍其胜,何立恒,徐迅.应用支持向量机的土地利用时空变化分析——以琼海市为例[J].测绘地理信息.2019
[3].李亮,王蕾,孙晓鹏,应国伟.面向对象变化向量分析的遥感影像变化检测[J].遥感信息.2017
[4].李春干,梁文海.基于面向对象变化向量分析法的遥感影像森林变化检测[J].国土资源遥感.2017
[5].赵辽英,陈小芬,厉小润.变化向量分析结合光谱解混的高光谱变化检测[J].浙江大学学报(工学版).2017
[6].朱日俊.基于变化向量分析的小麦全蚀病遥感监测研究[D].河南农业大学.2017
[7].孙佩军,杨珺雯,张锦水,潘耀忠,云雅.图斑与变化向量分析相结合的秋粮作物遥感提取[J].北京师范大学学报(自然科学版).2015
[8].黄维,黄进良,王立辉,胡砚霞,韩鹏鹏.基于PCA的变化向量分析法遥感影像变化检测[J].国土资源遥感.2016
[9].林卉,朱庆,胡召玲.模糊支持向量机和变化矢量分析相结合的矿区土地覆盖变化检测[J].测绘通报.2014
[10].罗正媛,汤洋.黑龙江省玉米产量变化的预测分析——基于支持向量机的实证研究[J].农机化研究.2013