基于不同分类方法土地利用2f覆盖分类精度分析

《基于不同分类方法土地利用2f覆盖分类精度分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、内蒙古农业大学硕士学位论文3与土地覆盖信息已经成为土地利用／覆盖变化研究不可缺少一步，以完成对土地利用与土地覆盖及其变化的分类和动态监测。1．2．2土地利用与土地覆盖遥感分类方法利用遥感技术进行土地利用／覆盖变化的研究，不仅要获得土地利用变化信息，而且要获得变化的类型，其实质是获得在不同监测时间的土地利用与土地覆盖分类信息n妇。最先出现的分类技术是图像目视解译分类，这是人们获取目标信息最直接、最基本的方法。其判读的依据主要是图像的特征，如图像的形状、大小、颜色和色调、阴影、纹理、位置等。由于目视解译精度一般高于计算机分类精度，现仍然被应用

2、于对精度要求较高的高分辨率遥感图像的分类中D钔。赵兴时利用陆地资源卫星影像提供的信息，采取目视解译的方法，结合野外调查，建立起与土壤侵蚀相关的解译标志，进行土壤侵蚀调查和分区，其结果宏观性好、图斑圈定准确、成图质量高n们。然而这种方法用时长，对参与解译分析的人员依赖性较强，不能适应当前对获取土地利用与土地覆盖信息迅速、客观的要求。在数据技术和信息技术广泛应用的情况下，计算机自动分类已经成为遥感应用中的主导。遥感图像中主要包括两类信息，光谱信息和空间信息。遥感图像的计算机分类是基于数字图像中所反映的同类地物的光谱相似性和异类地物的光谱差异性

3、进行的。计算机遥感影像分类方法依其原理可以分为：统计模式方法和句法模式方法。一般所说的传统遥感影像分类方法都属于统计模式方法，如最大似然法、K．邻近判决法等；而近年来蓬勃发展的分类新方法则多倾向于句法模式方法，如人工神经网络方法、模糊数学方法、专家系统方法等n钉。同时为了满足不通领域对土地利用与土地覆盖信息分类实际应用和精度的要求，在总结前人实验方法和经验的基础上，针对制约分类精度低的原因，改善传统分类方法。如改进传统的最大似然分类方法，分类时根据无参数方法，从图像灰度直方图中抽取先验概率，加入到分类中n帕。1．3土地利用与土地覆盖分类精

4、度评价研究进展遥感图像分类精度的评价通常是采用分类专题图与标准数据(基础地理信息图件或地面实测资料)进行比较，以正确的百分比来表示精度的大小。分类结果精度的评价可分为对位置的精度评价和对像元数目、面积等的精度评价。就目前国内对土地利用与土地覆盖分类精度评价的研究表明，采用传统的最大似然分类方法，土地覆盖的分类精度可达到75％以上n7’”1。如张玉进等利用于田地区2001年LandsatETM影像，采用最大似然分类法对遥感影像进行监督分类，将土地利用与土地覆盖类型分为农田、水体、湿地、高密度草地、中密度草地、低密4基于不同分类方法土地利用／

5、覆盖分类精度分析度草地、荒漠7种主要的土地利用类型，最终得到的分类结果的分类精度均达到85％以上n刀。应用新的分类方法，也可以得到较满意的分类效果。赵萍等应用决策树分类方法，对江宁地区的SPOT卫星影像进行土地利用与土地覆盖分类试验，其试验结果精度较应用监督分类高出8．7个百分点n射。张景雄在比较了最大似然分类、神经网络分类和模糊分类结果后，认为在试验地区土地覆盖比较模糊的情况下，采用模糊分类的效果和精度要优于其他两种分类方法㈨。王崇倡利用ERDAS软件对影像进行分类，其实验的精度评价表明，专家系统技术可以通过更多变量的参与，较好解决“同

6、谱异物"和“同物异谱”对分类的干扰叫，。Muchoney等利用利用决策树分类器从美洲的MODIS数据中提取了土地覆盖信息，也得到较好的分类效果强羽。Friedl和Brodley使用TM影像数据，对5种分类方法：单因子决策树、多因子决策树、混合决策树、线形判别函数、最大似然分类法的分类精度进行了评价，结果分别是75．2％、75．9％、76．O％、70．6％和69．0％住31。为提高分类精度，Wilkinson，GG通过增加空间结构信息；Inzana,J．采用波段比值来辅助分类Ⅲ一朝。Nyoungui分别用最大似自然法和RBF神经网络法对喀麦

7、隆杜阿拉市的SAR影像进行土地覆盖分类，结果表明RBF神经网络法效果最好，总体精度达94％乜帕。Pr01．Ledesma,R．M．等人用LandsatTM影像结合地图数据，研究墨西哥城郊区从1975年至1983年的土地利用变化情况，采用最大似然法对土地利用类型进行分类，总体分类精度达到82％胆刀。Krishna等采用模糊逻辑算法对印度半岛东海岸的土地利用分类进行研究，其研究表明这种模糊分类方法在土地分类中有很好的效果，分类精度达到95％啪1。Mahesh，M．Mather对多光谱LandsatETM+影像和高光谱DAIS影像英格兰东部土地

8、覆盖进行分类，研究表明，在处理高维图像时，决策树分类比最大似自然法分类精度可提高3-6％矧。在大量试验后人们发现，虽然利用神经网络分类方法得到的分类结果要比监督分类、非监督分类得到的结果精度高