导读:本文包含了土壤遥感分类论文开题报告文献综述及选题提纲参考文献，主要关键词:MODIS,土壤类型,DEM,遥感分类
土壤遥感分类论文文献综述
刘春晓,吴静,李纯斌,杨伟,张玮[1]（2018）在《基于MODIS的甘肃省土壤遥感分类》一文中研究指出以第2次全国土壤普查数据为基础,选取土壤类型较为复杂的甘肃省为研究区,根据植被指数等遥感数据产品,提取9种图像特征,并结合DEM生成的地形参数数据,利用计算机自动分类法,对土壤类型进行系统分类。最终获得了34个土壤亚类,分类的总体精度达到74%。表明提取的遥感信息参数和地形数据分类特征对研究区的土壤分类具有较强的代表性,并且提出的基于MODIS数据的土壤遥感分类方法具有一定的准确性和可行性,能够为土壤类型调查与土壤数字制图提供一种参考方法。(本文来源于《草原与草坪》期刊2018年06期）
陈斌,王宏志,李仁东[2]（2018）在《不同等级土壤遥感分类的尺度匹配性探讨》一文中研究指出采用Landsat5 TM遥感影像为数据源,以湖北省江汉平原之潜江市为试验区,探讨同一遥感信息源下对不同等级的土壤分类的尺度匹配性.以Landsat5 TM遥感影像和两个级别的土壤类型图(土壤亚类及土属)为基础数据,集成主成分分析、归一化植被指数等图像处理技术,提取多种影像特征建立土壤分类特征数据集;采用最大似然监督分类方法对潜江市不同级别的土壤分别进行遥感分类;并利用混淆矩阵方法对分类结果分别进行精度验证.结果表明:土属的总体分类精度较高,达到92.79%,Kappa系数为0.919 5;土壤亚类相对较低,总体分类精度只有84.71%,Kappa系数为0.820 1.可见土壤遥感分类具有显着的尺度适宜性特征,在两个级别的土壤分类实验中,Landsat5 TM更适宜土壤的最基层的土属类型划分.在土壤遥感分类时,应首先探讨土壤类型等级与遥感影像的尺度匹配性.(本文来源于《湖北大学学报(自然科学版)》期刊2018年04期）
张小康[3]（2018）在《松嫩平原北部典型土壤遥感分类研究》一文中研究指出土地尤为重要,人类的生存、生活和发展离不开土地,而土地中最关键的物质是土壤,它为人类提供基本的生产和生活资料,是自然界内所有生物体得以存在的最根本的载体,对人类的发展起着不可或缺的作用。随着土地规划管理、精准农业等的快速发展,对土壤图的精度提出了更高的要求,同时也为土壤分类提出了更高的要求。传统的土壤分类方法依赖于土壤专家的野外工作及经验,分类过程需耗费大量的人力、物力、财力和时间。因此,高精度、高效的土壤制图方法越来越受到人们的重视。遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,同时世界各国的土壤学家也展开了大量土壤分类研究,并且提出了一些新的分类方法。本研究分别以松嫩平原北部和明水县为研究区,以土壤发生学理论为基础,在土类这一级别从室内土壤高光谱和Sentinel-2A遥感影像两个层次进行土壤分类的研究。选取松嫩平原北部四种典型土壤(黑土、黑钙土、风沙土、草甸土)表层(0~20 cm)的实验室可见-近红外(400~2500 nm)反射光谱为研究对象,利用包络线消除方法处理土壤光谱反射率,分析其反射光谱特征,构建了五个具有明确物理意义的光谱特征参数。光谱特征参数作为模型输入量与反射率主成分、反射率一阶微分主成分、去包络线主成分作为输入量相比,在K均值聚类、多层感知器神经网络、支持向量机模型中均有较高的精度。光谱特征参数作为模型输入量,有利于提高模型精度。基于光谱特征参数的决策树分类型精度最高,黑土、黑钙土、风沙土、草甸土的分类精度分别为97.22%、94.20%、85.29%、55.56%,总体精度为90.54%,Kappa系数为0.90,除草甸土外,其他叁种土壤类型分类结果较好。表层草甸土的反射光谱曲线与其相邻的土壤类型的反射光谱曲线相似,称其这种特性为“向邻性”。以上研究表明利用表层土壤反射光谱特性可以进行土壤分类的研究,这为本文利用遥感影像研究土壤分类提供了理论基础。以黑龙江省明水县为研究区,利用2015年明水县土地利用数据去除城乡、工矿居民用地和水域。然后,对Sentinel-2A遥感影像进行大气校正和重采样,利用数字高程模型(DEM)提取坡度、坡向、平面曲率和剖面曲率等四个地形因子,以及利用预处理后的Sentinel-2A遥感影像提取NDVI、EVI等植被指数。利用J-M距离分析土壤类对之间的可分性,选取S2A+EVI+EL+SL为最优组合参数。采用最大似然法建立土壤分类模型,结果表明:草甸土、风沙土、黑钙土、黑土和沼泽土的用户精度分别为91.67%、69.23%、88.34%、88.61%和90.00%;总体精度达到了89.00%,Kappa系数为0.84,分类结果较好,满足制图精度的需求。对分类结果进行土壤制图,与传统的土壤制图方法相比,该方法高效低费,能充分地展示土壤空间上的变化,并且在保证高质量制图精度的前提下,也提高了土壤普查与土壤图更新的效率。同时,根据各类土壤类型的特点,提出了土地利用建议。本文的研究结果可以宏观地了解土壤分布特征,对我国耕地质量等别更新评价及土地利用规划具有重要的指导意义。(本文来源于《东北农业大学》期刊2018-06-01）
刘娟,蔡演军,王瑾[4]（2014）在《青海湖流域土壤遥感分类》一文中研究指出选择青海湖流域内一个代表性区域为试验区,以TM数据和地形数据为主要数据源,在GeoEye-1高分辨率影像和土壤图的辅助下,采用最大似然监督分类方法,探讨了遥感技术在青海湖流域土壤分类中的可行性。使用主成分分析、缨帽变换、波段组合等图像处理技术,从TM图像中提取了多种图像特征,并结合高程、坡度及坡向等地形参数,共同生成分类特征数据集进行遥感分类。研究表明,基于遥感图像和地形数据提取的分类特征,有效地区分出试验区内9个土壤亚类和1个非土壤单元,总体分类精度达到了91.76%。(本文来源于《国土资源遥感》期刊2014年01期）
亢庆,张增祥,赵晓丽[5]（2007）在《基于MODIS产品的区域土壤遥感分类研究——以新疆为例》一文中研究指出以新疆维吾尔自治区全境为研究区域,采用中高分辨率MODIS遥感数据和地形数据,在第二次全国土壤普查数据库的支持下,采用自动分类方法,探讨了遥感技术在常规土壤调查工作受限制的干旱地区进行土壤调查的效果和适用性。研究中使用了MODIS地表反射率、植被指数、地表昼夜温度等数据产品,提取了多种图像特征,并结合了DEM生成的地形参数。研究区土壤分类系统在发生学分类的基础上集合遥感信息特征进行了调整,形成了具有26个土壤类型及特殊地表覆被的土壤遥感分类系统。经分类试验,总体精度为70%左右。(本文来源于《遥感技术与应用》期刊2007年06期）
付炜[6]（2004）在《土壤遥感分类识别专家系统的结构设计》一文中研究指出介绍了土壤遥感分类识别专家系统的设计原理与实现方法,阐述了土壤遥感分类识别专家系统的土壤分类决策判断树的构造原理,讨论了土壤遥感分类识别专家知识表示的基本原则和系统知识库中专家知识的组织方式,以及专家系统推理机的设计原理和推理规则的构建方法。系统采用压缩编码方式存储地学专题图形和遥感图像数据,具有数据与图像的存储更新、查询检索、分析处理、特征提取和信息输出等功能。该系统可以对遥感图像进行土壤类型的分类识别,并对分类精度进行监测与评价。用该系统对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究,并对试验结果进行了讨论与评价。(本文来源于《生态环境》期刊2004年01期）
罗红霞[7]（2003）在《基于土壤系统分类的土壤遥感自动识别分类系统的设计》一文中研究指出设计出基于土壤系统分类的土壤遥感自动识别分类系统(ASICS)的总体框架,并探讨了其实现方法.该系统由3部分组成:空间数据库、分类识别和结果输出.空间数据库由遥感数据和非遥感数据组成,遥感数据选择绿度指数图像、土壤专题信息增强图像和同谱土壤图像,非遥感数据包括高程、高差、坡度、坡向、粗糙率指数、水系密度、土壤发生分类类别.分类识别采取在非监督分类的基础上对土壤类型进行正向推理与逆向推理相结合的识别模式.用像结构建立了土壤分类识别的规则,构造了基于土壤系统分类的土壤分类判决树.(本文来源于《西南师范大学学报(自然科学版)》期刊2003年04期）
付炜[8]（2001）在《土壤遥感分类识别推理决策器的设计》一文中研究指出介绍了干旱区土壤遥感分类识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上 ,建立了正向推理与逆向推理相结合的推理机制 ,对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则 ,构造了土壤分类判决树 ,并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明 ,该方法分类精度可靠 ,为干旱区土壤分类识别开辟了一条新的途径。(本文来源于《遥感学报》期刊2001年06期）
沙晋明,史舟,王人潮,姜忠军[9]（2000）在《东南山区土壤遥感监测的图像处理及分类》一文中研究指出我国东南山区植被覆盖率高 ,进行土壤遥感调查困难重重。通过对图像有效的切割、分析 ,并采用多种图像处理技术 ,可以突出主题信息、消除噪音。以经过处理的图像作为基础 ,进行各种分类试验 ,得出用马氏距离法比较适宜东南山区的土壤监测(本文来源于《水土保持学报》期刊2000年01期）
刘兴文,姜小光,戴美芹,张立坚,刘铁[10]（1993）在《土壤遥感自动识别分类专家系统的设计与实现》一文中研究指出一、前言自1992年美国NASA成功地发射第一颗陆地资源卫星以来,多光谱扫描图像(MSS图像)将过去惯用的土壤航测制图技术大大向前推进了一步。不仅能使判读的土壤属性增加,有利于识别土壤类型,而且磁带记录的数字图像(CCT)可以送入计算机进行处理,为土壤遥感自动识别分类,提供了可能。特别是1982年第四颗陆地资源卫星携带的专题制图仪获得的TM图(本文来源于《遥感信息》期刊1993年03期）
土壤遥感分类论文开题报告
（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：
采用Landsat5 TM遥感影像为数据源,以湖北省江汉平原之潜江市为试验区,探讨同一遥感信息源下对不同等级的土壤分类的尺度匹配性.以Landsat5 TM遥感影像和两个级别的土壤类型图(土壤亚类及土属)为基础数据,集成主成分分析、归一化植被指数等图像处理技术,提取多种影像特征建立土壤分类特征数据集;采用最大似然监督分类方法对潜江市不同级别的土壤分别进行遥感分类;并利用混淆矩阵方法对分类结果分别进行精度验证.结果表明:土属的总体分类精度较高,达到92.79%,Kappa系数为0.919 5;土壤亚类相对较低,总体分类精度只有84.71%,Kappa系数为0.820 1.可见土壤遥感分类具有显着的尺度适宜性特征,在两个级别的土壤分类实验中,Landsat5 TM更适宜土壤的最基层的土属类型划分.在土壤遥感分类时,应首先探讨土壤类型等级与遥感影像的尺度匹配性.
（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。
土壤遥感分类论文参考文献
[1].刘春晓,吴静,李纯斌,杨伟,张玮.基于MODIS的甘肃省土壤遥感分类[J].草原与草坪.2018
[2].陈斌,王宏志,李仁东.不同等级土壤遥感分类的尺度匹配性探讨[J].湖北大学学报(自然科学版).2018
[3].张小康.松嫩平原北部典型土壤遥感分类研究[D].东北农业大学.2018
[4].刘娟,蔡演军,王瑾.青海湖流域土壤遥感分类[J].国土资源遥感.2014
[5].亢庆,张增祥,赵晓丽.基于MODIS产品的区域土壤遥感分类研究——以新疆为例[J].遥感技术与应用.2007
[6].付炜.土壤遥感分类识别专家系统的结构设计[J].生态环境.2004
[7].罗红霞.基于土壤系统分类的土壤遥感自动识别分类系统的设计[J].西南师范大学学报(自然科学版).2003
[8].付炜.土壤遥感分类识别推理决策器的设计[J].遥感学报.2001
[9].沙晋明,史舟,王人潮,姜忠军.东南山区土壤遥感监测的图像处理及分类[J].水土保持学报.2000
[10].刘兴文,姜小光,戴美芹,张立坚,刘铁.土壤遥感自动识别分类专家系统的设计与实现[J].遥感信息.1993