基于rs技术的鄱阳湖区土地利用的分类研究

《基于rs技术的鄱阳湖区土地利用的分类研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、分类号UDC密级学位论文地差堑指导教师姓名：围趟塞麴援直昌太堂建箕王墨堂瞳申请学位级别：亟±专业名称：盔型盛电王猩论文提交日期：2Q壁量生量旦论文答辩日期：2QQ量生鱼旦学位授予单位和日期：直昌太堂211Q量生旦旦答辩委员会主席：评阅人：2005年月日兰『盟丛．軎I趔=型蚴幽型业浊墨一摘要土地资源是人类赖以生存和发展的基础，是国土资源的重要组成部分。及时掌握土地利用状况是进行土地资源合理管理的基础，也是制定农业乃至整个国民。_●’经济发展计划的熏要依据。遥感技术以其宏观性、实时性、周期性及综合性等特点

2、，为土地利用快速、客观、准确的监测提供了可能。目前，遥感影像被广泛用于土地利用研究，如何提高遥感影像的解译精度，促进遥感技术的实用化，是遥感应用中一个比较迫切的问题。本文利用Landsat"rM遥感影像，在ErdasImagine8．4软件的支持下，以鄱阳湖区土地利用分类研究为实例，对各种分类方法技术进行了具体的应用，并对各分类结果进行了精度评价，以及对土地利用的分类方法进行了探讨和展望。全文共分为四个部分：第一部分为绪论部分，简要介绍了遥感技术的概念、国内外土地利用遥感研究的现状和发展趋势；阐述了本

3、文研究的意义。第二部分简要介绍了遥感分类的概念和原理，系统地介绍了遥感影像的非监督分类、监督分类和人工神经网络分类方法。在监督分类中，对训练区(AOI区域)的选择、钝化及先验概率的确定作了描述，并介绍了本文中采用的建立在贝叶斯(Bayes)准则基础上的最大似然分类法的原理。第三部分详细介绍了以TM数据为信息源，在ErdasImagine8．4软件支持下的都阳湖区土地利用分类过程，分别对TM遥感影像3个不同波段组合、主成分合成影像、人工神经网络进行了土地利用分类，并采用误差矩阵对其结果进行评价，结果表明

4、波段波段5、4、1，7、5、1组合，主成分合成影像和人工神经网络分类后影像最终获得的分类总精度分别为82．31％，85．07％，90．00％，91．75％。第四部分以第三部分为基础，给出本文研究结论及不足。关键词：鄱阳湖遥感影像土地利用分类AbstractLandresourceisthefoundationofexistenceanddevelopmentforhumanbeing．Realtimemonitoringlandusestatusisthebasisofrationalmanageme

5、ntoflandresource，andtheimportantgistforplanningagricultureoreventhewholenationaleconomy．Possessingtheadvantagesofmacroscopicinformation，realtime，periodicityandintegrity，remotesensingmakeitpossiblethatlanduseismonitoredquickly，objectivelyandprecisely．Atp

6、resent，thereisafar-reachinguseofRemoteSensing(RS)imageinthefieldoflanduseresearch．HowtoimprovetheaccuracyofinterpretationinordertopromotetheutilityofRStechnologybecomesaurgentprobleminRSapplication．Inthispaper，usingtheLandsatTMdata,supportedbythesoftwar

7、eofErdasImagine8．4．takingallexampleofthePoYangLakelanduse．madematerialapplication、vimallI(indsofclassificationmethods，estimatetheaccuracyofallkindsofclassification，exploreandexpecttheclassificationmethodoflandllSe．Thepaperincludesfourparts：Part1：Itisthe

8、partofintroduction．TheRSconception，currentsituationandtrendbyusingRSinsideandoutsideofcountryx,vet'℃simplyintroducedandthesignificanceWassetforth．Part2：TheconceptionandprincipleoftheRSclassificationweresimplyintroduced．Artificifl