基于TM数据土地分类方法研究——以武汉地区为例
- 格式:doc
- 大小:2.94 MB
- 文档页数:22
基金项目湖南省教育厅资助科研项目(06C750)作者简介黄雄伟(1975-),男,湖南邵阳人,在读博士,讲师,从事遥感与GIS 的教学与研究。
收稿日期2007-07-18自从1995年国际地圈生物圈计划(IGBP )和全球环境变化中的人文领域计划(HDP )提出了“土地利用和土地覆盖变化(LUCC )”研究计划后,土地利用和土地覆盖变化研究迅速成为全球环境变化的热点领域。
相对于传统方法,使用遥感影像进行土地利用和土地覆盖变化研究具有速度快、费用低、动态监测效果好、不受外界条件影响等显著优点,具有良好的应用前景。
笔者系统地介绍了应用遥感影像研究土地利用变化的方法,并以城步南山为例进行了具体分析。
1数据的选择1.1数据来源目前,在中小范围的土地利用研究中常用的数据有Landsat TM/ETM+、SPOT 、ASTER 等卫星影像。
SPOT 与ASTER 影像虽然精度高,但前者价格昂贵,后者覆盖面积小,历史数据缺乏,影像数据难以形成完整的时间序列,在大多数地区不能用来进行对比分析,而Landsat TM/ETM+发射时间长,历史数据完整,覆盖面广,地面分辨率较高,价格相对便宜,是LUCC 研究中最常用的遥感影像之一。
笔者采用的是Landsat TM 影像,其重复周期为16d ,每景影像覆盖面积为185km ×185km ,探测波段7个,具体参数见表1。
1.2波段选择由于遥感影像具有多个波段,选择不同的波段进行假彩色合成,可以突出目标信息。
对于TM 影像而言,找出同类像元聚集性和异类像元分散性都相对较好的波段进行组合,是进行土地利用变化研究的基础。
通过对典型地区和地物的分析与评价,发现可以按各波段两两相关程度的高低,将TM 的6个常用波段分为3个相对独立的子集:TM (1、2、3)、TM (4)和TM (5、7)[1]。
每个子集内部相关程度高,信息重复量大,可以从每个子集中各选一个波段进行假彩色合成,从而获得层次多,表现力强的图像。
第34卷第1期2011年01月现 代 测 绘M odern Surveying and MappingVol.34,No.1Jan.2011应用ENVI 软件目视解译TM影像土地利用分类王玉丽,马 震(新疆生产建设兵团勘测规划设计研究院,新疆乌鲁木齐830002)摘 要 本文结合实际项目讨论了以EN V I 、A RCGIS 为主要软件的处理平台,利用T M 遥感数据、地形图矢量要素等基础资料,通过监督分类实现项目区范围土地利用现状图斑提取、地类面积统计及出图等技术流程与工作。
实践证明此项技术作为获取项目前期基础信息的有效手段,作业周期短、成本经济且现势性好,其成果兼具客观性和直观性,可有效辅助项目后续工作的实施。
关键词 T M 数据 目视解译 解译标志中图分类号:P237 文献标识码:A 文章编号:1672-4097(2011)01-0011-03目前,遥感数据被广泛用于土地利用和土地覆盖研究。
计算机识别分类是遥感技术应用的一个重要组成部分,是实现遥感技术用于资源环境的调查的重要途径之一。
利用遥感图像解译编制土地利用类型图是一种经济实用的方法,它将为分析自然条件,摸清土地资源的数量与质量并进行合理利用提供科学依据。
本文结合实际项目,就如何借助于ENVI 与ArcGIS 平台,通过目视解译TM 影像进行土地分类展开讨论,归纳总结其作业过程,旨在为类似项目提供参考。
1 项目概况为了满足某流域区水利工程基础设施规划及实施工作的需要,必须在水利工程布置前期获取区域土地利用现状分布图。
项目区域涉及地域面积3.4万平方公里,属平原区。
经查找项目区只有1997年的土地利用现状资料,数据过陈旧,不利于图1 目视解译影像土地分类流程图合理、准确地开展规划工作,而外业调绘周期长、成本高。
综合比较后,决定利用近年代植被丰富期的遥感数据,通过目视解译的方法,建立解译标志,从而获取土地利用现状样本知识解译项目区土地利用现状分类;然后通过已识别的土地利用类型测算各类土地面积。
基于TM数据的武汉城市热岛及其与绿地关系的研究的开题报告一、选题背景城市热岛效应是城市发展过程中普遍存在的环境问题,它会导致城市内部温度升高、空气质量下降、能源消耗增加等一系列问题。
针对这一问题,加强城市绿地的建设是降低城市热岛效应的重要手段。
武汉市是全国典型的“绿城”,城市绿地面积占城市总面积比例显著高于国内其他大中城市。
因此,研究武汉城市热岛及其与绿地关系对本地区环境改善和可持续发展具有一定的理论和实践意义。
二、研究目的本研究旨在基于遥感技术和地理信息系统,利用TM卫星数据对武汉城市热岛现象进行探究,并分析武汉城市绿地面积对城市热岛效应的影响,为武汉市城市规划和环境保护提供科学依据。
三、研究内容1. 收集武汉市内四个典型区域的TM遥感数据,包括城中村、城市主城区、城市近郊区和城市边缘区。
2. 对遥感数据进行预处理,包括图像校正、大气校正等。
3. 利用热红外波段数据和地表温度反演算法,提取各区域的地表温度数据,并绘制地表温度分布图。
4. 利用遥感数据和地理信息系统,提取各区域绿地信息,分析武汉市城市绿地分布和面积。
5. 对地表温度与绿地面积的关系进行分析和统计,研究武汉市绿地面积对城市热岛效应的影响。
四、研究意义1. 对武汉市城市热岛的研究能够为城市规划和环境改善提供科学依据。
2. 深入了解武汉市城市绿地对城市热岛效应的影响,为城市绿化建设提供科学指导和参考。
3. 探究城市热岛现象在不同区域的差异,为相关政策的制定提供依据。
五、研究方法1. 遥感数据处理方法:包括TM数据的获取、预处理、图像解译和地表温度反演等。
2. 空间分析和统计方法:利用地理信息系统软件,对地表温度和绿地信息进行分析和统计。
3. 数理统计方法:通过相关系数分析、回归分析等方法,研究城市热岛与绿地面积之间的相关性。
六、进度安排第一阶段:文献调研、遥感数据获取、预处理和分析方法探讨第二阶段:地表温度反演、绿地信息提取和分析、热岛分布图绘制第三阶段:相关系数分析、回归分析、统计表格和图表制作第四阶段:论文写作和答辩七、参考文献1. 周立波. 武汉城市热环境变化特征及热岛效应研究. 同济大学学报. 环境科学学报, 2005, 30(6): 775-779.2. 薛明强, 陈伟, 王伟, 杨桂斌. 基于Landsat TM数据的武汉市绿地面积提取与分析. 华中师范大学学报. 自然科学版, 2007, 41(3): 292-296.3. 张丽娟. 武汉市城市热岛效应对城市绿地的影响研究[J]. 华中农业大学学报(社会科学版), 2012(6): 124-128.4. 郭春雪, 鲁元洲, 程永红. 基于遥感技术的城市热岛效应研究进展[J]. 生态环境学报, 2009, 18(6): 2166-2173.。
基于TM遥感数据的土地覆盖分类与制图方法研究作者:成玉兰来源:《华夏地理中文版》2016年第02期摘要:随着遥感技术的发展,土地利用分类方法在研究土地利用和覆盖中发挥了日益重要的作用。
针对土地利用分类方法在遥感技术领域的重要性,以Landsat TM数据森林资源二类调查数据为数据源,利用最大似然法、神经网络法两种分类方法与目标地物的光谱信息、纹理信息相结合,将研究区土地利用类型分为建筑用地、水域、裸地、阔叶林、针叶林、灌木林、其他用地七类,在此基础上进行精度分析,将比较两种土地利用分类方法进行比较,最终制作出土地利用图。
关键词:土地覆盖;分类;最大似然法;神经网络法土地是人类赖以生存和发展的物质基础,是社会生产的劳动资料,是农业生产的基本生产资料,是一切生产和一切存在的源泉。
土地是一种不可再生资源,且资源的数量是相对有限的,土地的利用是否合理直接关系着社会经济的未来发展。
因此如何合理的配置现有的土地资源,使其不断满足经济、社会、环境等各方面的需求,逐渐成为学者们研究的焦点。
遥感技术具有高光谱分辨率、高空间分辨率、实时观测、重访周期短等特点,在土地利用中显示出明显的优势,在国内外得到了广泛应用。
文章以Landsat TM数据和森林资源二类调查数据为数据源,利用最大似然法、神经网络法两种分类方法与目标地物的光谱信息、纹理信息相结合,将研究区土地利用类型分为建筑用地、水域、裸地、阔叶林、针叶林、灌木林、其他用地七类,在此基础上进行精度分析,将比较两种土地利用分类方法进行比较,终制作出土地利用图。
一、理论方法及研究意义遥感图像计算机分类的依据是图像的相似度。
由于自然界中不同类型的地物具有各自不同的波普特性,遥感影像中不同像元有不同的数值,不同的数值反映了不同地物的波普特性。
因此,通过计算机对图像像元的数值进行运算、统计、对比归纳对像元进行分类,即可达到对地物的自动识别,这种技术处理称为分类。
通常将遥感图像分类方法分为监督分类和非监督分类两大类。
附1具体区划及计算方法一一以武汉城市群为例1. 数据来源与预处理武汉城市群空间拓展的生态功能区划分采用中国科学院八五”重大应用项目国家资源环境遥感宏观调查与动态研究”的成果,包括1980、1995及2000年三个时期的土地利用/土地覆盖分类图(ARC/INFO的Coverage格式,比例尺为1:10万)。
该土地利用分析系统包括6类一级分类系统和25类二级分类系统(见附表1)。
附表1城市群空间拓展的土地利用类型编号、名称及其含义由于上述数据只包括土地利用类型数据,在预处理模块中,将对基础数据做如下两个方面的处理:一是载入行政区划的矢量数据,即将武汉城市群划分为9个地域, 分别为武汉、黄石、鄂州、黄冈、孝感、天门、仙桃、潜江和咸宁,以备各行政区土地利用/土地覆盖,即城市扩展与生态响应的分区研究之需;二是载入数字高程数据(1000m),通过生成DEM图,并以此为基础,结合土地利用类型,求取坡向、坡度、滑坡、泥石流、土壤侵蚀度等衍生数据,为生态功能区的划分奠定了数据基础。
2. 功能区划分城市群空间拓展的生态功能区划分方法是,先确定城市群不同土地利用类型的生态价值贡献率,然后将土地利用类型数据与土壤侵蚀度叠加划分出生态功能区,进而将生态功能区作为生态功能的承载体进行总体质量评价。
(1)生态价值贡献率赋值考虑到数据库中的二级分类系统分辨率相对较高,且体现了明显的生态差异性,一般认为土地利用/土地覆盖即为区域生态环境结构的载体,因此可以此对二级分类体系下的土地利用类型所具有的生态环境质量进行赋值,并与土地利用变化类型和过程结合起来,并将土地利用类型的转移理解为不同生态价值流的转移。
各用地类型的生态价值体现在诸多方面,如气体调节、气候调节、水分调节、土壤形成、废物处理、生物多样性维持、食物生产、原材料生产和娱乐文化等约9项生态系统服务功能。
据此,根据相关研究成果,结合专家打分法,最终确定城市群不同用地类型的生态价值贡献率(见表2 )。
遥感图像是按一定的比例尺,客观真实地记录和反映地表物体的电磁辐射的强弱信息,是遥感探测所获得的遥感信息资料的一种表现形式。
在遥感图像技术的研究中,无论是专业信息提取,运动变化预测,还是专题地图制作和遥感数据库的建立等都离不开分类。
随着近年来计算机技术的飞速发展,计算机识别分类成了遥感技术应用的一个重要组成部分。
遥感图像数据类别多,合混度大,如何解决多类别分类识别是当前遥感图像研究中的一个关键问题,也是人们关注的焦点 [1]。
本文基于ENVI软件,利用武汉市地区的七波段TM影像,选择合适波段进行组合,再分别采用监督分类和非监督分类方法对影像进行分类,多次试验进行比较,获得较优的波段组合。
同时应用专家知识等增维方法,对比Google Earth上的武汉市影像,根据实际需要进行组合分类。
一、TM影像各波段合成的比较TM影像共有七个波段组成,从中任意挑选3个波段进行组合得到的图像有不同的特点。
1、TM321(RGB):均是可见光波段,合成结果接近自然色彩。
可以模拟出一副自然色的图象。
2、TM453(RGB):2个红外波段、1个红色波段。
用于土壤湿度和植被状况的分析。
也很好的用于内陆水体和陆地/水体边界的确定。
3、TM742(RGB):适用于水、陆边界划分、土、植被边界划分,但不适于植被分类。
4、TM432(RGB):标准假彩色。
植被呈现各种红色调。
在植被、农作物、土地利用和湿地分析的遥感方面,这是最常用的波段组合。
5、TM543(RGB):城镇和农村土地利用的区分;陆地、水体边界的确定。
6、TM457(RGB):探测云,雪和冰(尤其在高维度地区)。
本文需要对武汉市影像进行分类处理,对比现有影像,并考虑到武汉市地区河流湖泊较多,本文采用TM543波段进行分类。
二、TM543波段分类的结果利用TM543波段合成,其合成图如下:图2-1 TM543波段合成图1、非监督分类(以Isodata算法为例)算法步骤[2]:(1)选择某些初始值。
遥感应用模型结课论文基于TM数据土地分类方法研究——以武汉地区为例学生姓名: 张修远学科专业: 遥感科学与技术指导老师: 田玉刚所在学院: 信工学院摘要:利用武汉地区TM数据以遥感为手段对土地分类进行研究,遥感技术已经广泛的应用于土地利用与土地覆盖数据获取中。
现综合分析了目前主要的遥感图像分类方法,将遥感图像分类方法归纳为:基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法、专家系统分类方法,并对各种方法的应用情况进行了综述,对比各种分类方法的优劣,对随机森林决策树分类方法进行展开和延伸,提出改进算法。
Abstract: Using TM Data to classify land use and land cover. Recently, Remote sensingtechnique has been widely applied in land use and land cover, and get the information. The popular methods of remote sensing image classification have been generally analyzed and summarized : are classification based on statistic, neural network classification, fuzzy classification, decision tree classification, expert system classification. I not only introduce characteristic in every classification way, but also compare them with each other. What`s more, I will introduce the random forest way deeper and further, and put up with new advanced algorithm.目录摘要:............................................................................................................................ - 2 - 1 绪论 ......................................................................................................................... - 4 -1.1选题背景和意义: .............................................................................................. - 4 -1.2 参考文献综述:.............................................................................................. - 4 -1.3土地分类简介:............................................................................................... - 6 -1.3.1 土地分类概述: .................................................................................... - 6 -1.3.2 土地分类系统: .................................................................................... - 7 -1.3.3 利用遥感进行土地分类国内外研究现状:.............................................. - 7 -1.4 本文工作内容及行文思路: ............................................................................ - 8 -2 实验与分析: ........................................................................................................... - 8 -2.1 实验数据和软件平台: ................................................................................... - 8 -2.2 影像分类:..................................................................................................... - 9 -2.2.1 无先验信息对原始影像进行分类: ........................................................ - 9 -2.2.2 无先验信息对拓展波段影像进行分类: ............................................... - 10 -2.2.3 基于先验信息对拓展波段影像进行分类:............................................ - 11 -2.2.4 非监督分类结果参照:........................................................................ - 12 -2.3分类结果分析:............................................................................................. - 13 -2.3.1分类精度评价体系: ............................................................................ - 13 -2.3.2分类精度评估: ................................................................................... - 14 -2.4结论:........................................................................................................... - 15 -3 关于决策树分类算法改进: .................................................................................... - 15 -3.1决策树分类算法改进几点想法: .................................................................... - 15 -3.2利用改进算法编写程序实现:........................................................................ - 16 -3.3对疑似点进行拓扑连通性分类: .................................................................... - 17 -3.4改进算法分类精度评估:............................................................................... - 18 -4 结束语: ................................................................................................................ - 19 -1 绪论1.1选题背景和意义:利用遥感手段获得土地利用、覆盖信息的一个重要的中间环节就是分类。
第 38 卷 ,第 3 期2021 年06 月15 日国土资源科技管理Vol. 38,No.3Jun. 15,2021 Scientific and Technological Management of Land and Resources耕地质量分等因素空间异质性测算研究与应用——以武汉市黄陂区为例涂 琴,童秋英,罗 素,邓 娜(武汉市自然资源和规划信息中心,湖北 武汉 430014)摘 要:当前,我国农用地评价理论体系日趋成熟,发布了农用地分等技术规程,构建了基于农用地自然、经济和社会要素的评价技术体系,为耕地质量等别评定提供了理论基础与实践依据。
由于农用地分等技术规程是基于区域平衡与结果可比性制定的,确定的评价单元比较具象、选取的评价指标比较普适、指标值测算量化度不够,由此开展的耕地质量评定难以体现耕地地块在空间上的质量差异。
鉴于此,基于耕地质量分等因素在地理实体上呈现的空间异质性,研究了耕地质量分等因素空间异质性表达和标准化方法,并以黄陂区2017年度全域耕地为评价对象进行了实证,表明该方法更科学、合理和精准,可有效指导微观尺度的耕地质量等别评价和监测工作。
关键词:耕地质量等别;地理实体;空间异质性;隶属度中图分类号:F301.21 文献标志码:A 文章编号:1009-4210-(2021)03-096-12 Research and Application on Spatial Heterogeneity of Cultivated Land Quality Grading Factors:A Case Study of Huangpi District in Wuhan CityTU Qin,TONG Qiu-ying,LUO Su,DENG Na(Wuhan Nature Resources and Planning Information Center,Wuhan 430014,China)Abstract:At present,the theoretical system of agricultural land evaluation in China is becoming more and more mature. The technical regulations of agricultural land classification have been released,and the evaluation technical system based on the natural,economic and social factors of agricultural land has been constructed,which provides a theoretical and practical basis for the evaluation of cultivated land quality. Since the technical regulations for agricultural land classification were formulated based on the regional收稿日期:2020-05-11;改回日期:2021-03-16基金项目:国土资源部公益性行业科研专项经费资助项目——中部城市圈节约集约用地信息化控制技术研究(201511009)作者简介:涂 琴(1986—),男,高级工程师,从事国土调查评价研究。
湖北省武汉市及周边土地利用变化检测方法研究摘要:本文介绍了利用TM和ETM影像,使用Envi软件,进行主成分分析法和假彩色合成法进行土地利用变化检测,并对检测结果进行提取和叠加分析,确定变化的类型,结果与实际土地利用情况基本相符。
关键词:变化检测主成分假彩色合成1、研究区概况武汉市是湖北省省会,中国重要的中心城市,华中地区政治、经济、文化、金融中心。
世界第三大河长江及其最大支流汉水在市区内交汇,将市区一分为三,形成汉口、汉阳和武昌三镇。
全市现辖13个城区,3个国家级开发区,面积8467平方公里。
武汉地理坐标介于东经113°41′~115°05′,北纬29°58′~31°22′之间。
南北最大纵距155公里,东西最大横距134公里。
武汉有丰富的自然资源,农业生产条件优越,水利资源丰富,被称为“百湖之市”。
江(河)湖水面占总面积的25%,主要河流有长江、汉水、滠水、府河、倒水、举水、金水、东荆河等,较大的湖泊有梁子湖、涨渡湖、汤逊湖、东湖等。
武汉属典型的亚热带湿润季风气候,四季分明。
年平均降水量1284毫米,降水相对集中于6~8月。
平均无霜期约250天以上,年平均气温16.4℃。
夏季高温持续时间长,极端最高气温为41.3℃,最低气温为-18.1℃。
地形属残丘性河湖冲积平原,山丘、湖泊与平陆相间,其中北部小片山地为大别山余脉。
2、数据准备及预处理本文用到的数据有:影像数据:(1)1991年7月TM影像;(2)2002年7月ETM影像;轨道号为123-39。
参考数据:(1)2000年武汉土地利用情况说明;(2)googlearth查询的当前土地利用情况。
使用的软件:Envi。
数据预处理,包括:(1)影像校正处理,投影变换;(2)研究区域裁剪。
下图为纠正好裁剪后的武汉及周边的影像,RGB分别赋予543波段。
(图1,2)3、检测方法3.1 人工发现通过对比1991和2002年的遥感影像,结合一些先验知识,可以发现武汉的湖泊边有较大的变化,1991年的湖泊变成了其他的土地利用类型。
基于TM影像的武汉市土地利用生态服务价值研究的开题报告一、研究背景及意义土地利用是指人类在土地上的各种利用方式,它是人地关系的重要表现形式。
土地利用不仅直接影响着人的生存和发展,同时也与自然生态环境和经济社会发展密切相关,具有重要的生态价值和经济价值。
土地利用生态服务价值是指自然生态系统为人类提供的生态服务所具有的经济价值,包括气候调节、水源涵养、土壤保持、植物生产、生物多样性维护等。
对于一个城市而言,有效管理土地利用是保障城市生态健康、维护城市环境品质的重要手段。
作为中国人口最多的城市之一,武汉市在城市化过程中,面临着土地利用方式、生态环境与城市发展之间的矛盾。
因此,对武汉市土地利用生态服务价值的研究,不仅有助于全面了解武汉市土地利用现状和生态环境状况,还能够为武汉市的城市规划和生态环境保护提供科学依据和指导,促进城市可持续发展。
二、研究内容和方法1.研究内容本研究将以TM影像为基础,通过影像解译和专业地理信息软件等工具,对武汉市土地利用状况进行分析,包括土地类型、面积、分布等等,结合现实情况,对不同类型的土地利用进行生态价值评估,探究土地利用生态价值的分布特征,分析武汉市土地利用现状与生态环境状况的关系,并提出保护和优化武汉市生态环境的策略和建议。
2.研究方法(1)采集和处理TM影像数据,利用遥感技术实现土地利用的解译与分类。
(2)构建土地利用生态价值评估指标体系,分析不同土地类型的生态服务功能,计算其生态服务价值。
(3)结合统计数据和现场实地调查,对武汉市土地利用现状与生态环境状况进行分析。
(4)利用统计分析方法,对研究结果进行分析与对比,探究土地利用状况与生态环境状况的关系。
三、预期研究成果及应用价值本研究将揭示武汉市土地利用现状和生态环境状况,探究土地利用生态服务价值的分布规律,提出保护和优化武汉市生态环境的策略和建议。
预期研究成果为:(1)详细了解武汉市土地利用与生态环境状况,揭示问题,为制定合理的城市规划和环境治理政策提供依据。
基于ENVI的武汉市用地构成和热环境变化研究任婷婷摘要:本文基于遥感技术和ENVI软件平台,利用landsat系列卫星多光谱遥感数据,研究武汉市2000年、2006年、2012年及2018年土地利用的空间格局以及热环境的变化。
用地构成层面,通过目视解译和监督分类相结合的方式,获得各时期各类用地的构成,分析用地变化的幅度、动态度,并通过矩阵转移模型解读用地变化趋势。
基于ENVI5.1软件平台研究城市热环境,利用遥感图像热红外波的数据对城市下垫面温度进行反演,分析了武汉市热环境的演变。
经过对城市不同用地和热环境属性差异的分析,发现武汉市的用地构成一直处于变化之中,18年内建设用地一直处于增长态势,未来仍将小幅增长;耕地面积和水域面积都有所减少,城市热环境质量逐渐下降。
最后从规划视角,提出优化城市用地构成和提升城市热环境质量的建议。
关键词:用地构成,热环境,变化,武汉市,ENVI1研究背景近十几年来,我国处于快速的城镇化进程之中,城市用地格局发生着翻天覆地的变化,城市热环境也不断随之变化。
随着城市的不断扩张,原有的林地、水域等用地逐渐被城镇建设用地所取代,用地构成变化很大。
人的活动改变了城市下垫面构成,带来了局部热环境恶化,热岛效应加剧。
城市热环境是城市外部环境的重要组分,它的恶化会加剧气候灾难,降低城市系统的抵御力,也对人的身心健康不利。
研究用地构成变化的幅度和趋势,以及探讨热环境变化的规律,有助于我们了解城镇化和应对它带来的问题。
作为长江经济带的核心城市和中部的代表城市,武汉市面积达8594平方公里,现有武昌、汉阳、江汉等13个辖区。
因此本文以武汉市为研究区,对用地构成和热环境变化进行监测研究。
伴随着经济的迅猛增长,城市人口和规模在不断扩展。
2000年至今,人口数量由978.5万人发展至1060.7万人。
事实上,武汉既享受着城镇化带来的便利,又深受它的困扰。
随着人口密度的增加,城市建设面积的扩大,武汉的用地构成及热环境都呈现出复杂的演变态势。
遥感应用模型结课论文基于TM数据土地分类方法研究——以武汉地区为例学生姓名: 张修远学科专业: 遥感科学与技术指导老师: 田玉刚所在学院: 信工学院摘要:利用武汉地区TM数据以遥感为手段对土地分类进行研究,遥感技术已经广泛的应用于土地利用与土地覆盖数据获取中。
现综合分析了目前主要的遥感图像分类方法,将遥感图像分类方法归纳为:基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法、专家系统分类方法,并对各种方法的应用情况进行了综述,对比各种分类方法的优劣,对随机森林决策树分类方法进行展开和延伸,提出改进算法。
Abstract: Using TM Data to classify land use and land cover. Recently, Remote sensingtechnique has been widely applied in land use and land cover, and get the information. The popular methods of remote sensing image classification have been generally analyzed and summarized : are classification based on statistic, neural network classification, fuzzy classification, decision tree classification, expert system classification. I not only introduce characteristic in every classification way, but also compare them with each other. What`s more, I will introduce the random forest way deeper and further, and put up with new advanced algorithm.目录摘要:............................................................................................................................ - 2 - 1 绪论 ......................................................................................................................... - 4 -1.1选题背景和意义: .............................................................................................. - 4 -1.2 参考文献综述:.............................................................................................. - 4 -1.3土地分类简介:............................................................................................... - 6 -1.3.1 土地分类概述: .................................................................................... - 6 -1.3.2 土地分类系统: .................................................................................... - 7 -1.3.3 利用遥感进行土地分类国内外研究现状:.............................................. - 7 -1.4 本文工作内容及行文思路: ............................................................................ - 8 -2 实验与分析: ........................................................................................................... - 8 -2.1 实验数据和软件平台: ................................................................................... - 8 -2.2 影像分类:..................................................................................................... - 9 -2.2.1 无先验信息对原始影像进行分类: ........................................................ - 9 -2.2.2 无先验信息对拓展波段影像进行分类: ............................................... - 10 -2.2.3 基于先验信息对拓展波段影像进行分类:............................................ - 11 -2.2.4 非监督分类结果参照:........................................................................ - 12 -2.3分类结果分析:............................................................................................. - 13 -2.3.1分类精度评价体系: ............................................................................ - 13 -2.3.2分类精度评估: ................................................................................... - 14 -2.4结论:........................................................................................................... - 15 -3 关于决策树分类算法改进: .................................................................................... - 15 -3.1决策树分类算法改进几点想法: .................................................................... - 15 -3.2利用改进算法编写程序实现:........................................................................ - 16 -3.3对疑似点进行拓扑连通性分类: .................................................................... - 17 -3.4改进算法分类精度评估:............................................................................... - 18 -4 结束语: ................................................................................................................ - 19 -1 绪论1.1选题背景和意义:利用遥感手段获得土地利用、覆盖信息的一个重要的中间环节就是分类。
最先出现的分类技术是图像目视解译分类,它可充分利用判读人员的知识,灵活性好。
擅长提取空间相关信息,但定位不准确,时效性差,可重复性差,并存在个人差异。
目视解译现在仍然被广泛地应用于对精度要求较高的应用中,特别是在对米级高分辨率遥感图像分类时,目视解译精度一般高于计算机分类精度。
为了更好地帮助国家有关部门及时、快速和准确地掌握土地利用情况, 进而建立起土地利用管理和决策信息系统, 就要涉及利用遥感进行土地分类的问题。
卫星遥感以其覆盖面广、信息量大、实时性强等特点在地学领域得到广泛应用, 尤其在土地利用现状调查中更体现了其快速、经济等特点。
遥感数据的土地利用分类一直是遥感图像处理里面的研究热点,其核心其中心内容是设计一个将遥感图像分类形成各种专题图像的图像处理程序。
经过数十年细致研究,现有的土地;利用分类的方法非常之多,对诸多的分类方法进行评价和比较,有利于确定特定条件下,分类方法的选取,以及土地分类算法的优化。
本课题研究基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法和专家系统分类方法在遥感土地分类中的应用,并学习和研究其最新的发展方法。
研究成果可以直接应用到遥感土地分类、变化监测,具有重要的实际意义。
随机森林等计算机学习方法作为优秀的分类算法,可以被应用于遥感影像的分类中,但是目前国内相关研究还比较少。
1.2 参考文献综述:计算机遥感图像分类是计算机模式识别技术在遥感领域中的具体应用,其核心任务就是确定不同地物类别间的判别界面和判别准则,可重复性好,定位准确,处理时间短,时效性好[29]。
然而与其他的计算机模式识别不同的是.遥感影像数据类别多,含混度大,维数高,高精度的多类别分类识别具有较大难度[26]。
利用遥感进行土地分类的方法主要可以分为:基于传统统计分析的分类方法、神经网络分类方法、模糊分类方法、决策树分类方法、专家系统分类方法等[30]。