预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共57页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

4 PAGE\*MERGEFORMAT5 基于面向对象的稀土矿占地方式分类及应用研究 摘要 稀土矿作为我国重要的矿产和战略资源,随着近年来稀土矿山被大量开采,其储量逐渐减少,因此准确地反映稀土矿山开采状况迫在眉睫。将遥感技术应用于矿山监测方面具有无可比拟的优势,然而目前鲜有作者对稀土矿占地方式以及动态监测进行研究;面向对象方法在分类精度上具有一定优势,但确定地物的最佳分割尺度一直是有待进一步研究的问题。 本文以GF1以及ZY3卫星影像作为数据源,开展针对稀土矿占地方式的最优尺度定量分析,在此基础上运用面向对象规则分类方法进行分类研究,并将分类结果与支持向量机监督分类进行对比,选择最佳的方法。根据2015以及2018年分类结果,进行稀土矿遥感动态监测。主要结论如下: 构建了一种改进的确定地物最佳分割尺度的评价法:以均值标准差作为衡量异质性的指标,纹理信息熵作为衡量同质性指标,构建评价函数,采用变换曲线法结合目视分析获取稀土矿占地方式最优分割尺度,得到采场、选矿池、排土场、矿山建筑的最优分割尺度分别是:60、80、60、100。 结合稀土矿占地方式遥感影像特征,分析并提取光谱、形状和纹理特性。光谱特性:光谱反射率;形状特性:面积、延伸性和矩形相似性等;纹理特性:、熵、对比度和相关性等。采用隶属度函数进行分类研究,得到面向对象分类的最终精度88.89%,Kappa系数0.85。 采用支持向量机监督分类方法与面向对象规则分类进行对比,支持向量机监督分类精度81.42%,Kappa系数:0.75。通过两种方法分类结果图定性分析以及分类精度定量对比,得到面向对象规则分类精度更高,分类结果更好。 采用先分类后比较的方法进行稀土矿动态监测分析,得到2015-2018年研究区的稀土矿开采总面积减少10.98km2,主要在相关政策的影响下进行了恢复治理。根据动态监测结果,对研究区的稀土矿开采以及治理提出了相关建议。 关键词:稀土矿,占地方式,最优分割尺度,面向对象分类,动态监测 abstract RareearthminesareimportantmineralsandstrategicresourcesinChina.Asrareearthmineshavebeenminedinlargequantitiesinrecentyears,thereservesgraduallydecrease,soitisurgenttoaccuratelyreflecttheminingstatusofrareearthmines.Theutilizationofremotesensingtechnologyinminedetectionhasunparalleledadvantages.However,fewauthorshavestudiedthelandoccupationmethodanddynamicmonitoringofrareearthmines.Theobject-orientedmethodhasalargeexcellencesinresults,butdeterminingtheoptimalsegmentationscaleoffeatureshasalwaysbeenaproblemtobefurtherstudied. Inthispaper,theGF1andZY3satelliteimagesareusedasdatasourcestocarryoutquantitativeanalysisoftheoptimalscaleforthelandoccupationmethodofrareearthmines.Onthisbasis,theobject-orientedruleclassificationmethodisutilizedforclassificationresearch,andtheclassificationresultsaresupportedwithsupportvectormachinesupervisionCompareandchoosethebestclassificationmethod.Accordingtotheclassificationresultsin2015and2018,remotesensingdynamicmonitoringofrareearthmineswascarriedout.Themainconclusions: (1)Animprovedoptimalsegmentationscaleevaluationmethodisproposed:themeanstandarddeviationisusedasanindextogaugeheterogeneity