基于遥感影像的土地利用现状分类方法研究 毕业论文

基于遥感影像的土地利用现状分类方法研究 毕业论文

ID:9188469

大小:202.00 KB

页数:10页

时间:2018-04-21

基于遥感影像的土地利用现状分类方法研究  毕业论文_第1页
基于遥感影像的土地利用现状分类方法研究  毕业论文_第2页
基于遥感影像的土地利用现状分类方法研究  毕业论文_第3页
基于遥感影像的土地利用现状分类方法研究  毕业论文_第4页
基于遥感影像的土地利用现状分类方法研究  毕业论文_第5页
资源描述:

《基于遥感影像的土地利用现状分类方法研究 毕业论文》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、基于遥感影像的土地利用现状分类方法研究摘要:遥感技术已经成为土地利用信息来源的主要手段,分类方法研究在其中占有重要的地位,分类方法的优劣直接关系着分类的精度。本文在传统的遥感分类技术的基础上,结合当今遥感影像分类技术领域内的一些新进展和应用,对土地利用分类技术做出较为全面的阐述。关键词:遥感影像;土地利用;分类方法;StudyofClassificationMethodsofLandUseBasedonRemoteSensingTechnologyAbstract:TechnologyofRemotese

2、nsinghasbecometheprincipalmeansoflanduseinformationsources,classificationmethodresearchoccupiesanimportantpositioninthefield,advantagesanddisadvantagesofclassificationmethodaredirectlyrelatedtotheaccuracyofclassification.Basedonthedevelopmentandapplicatio

3、nintheareaoftheremotesensingimageclassificationtechnologynowadays,thenewtechnologymethodsofthelandcoverclassificationarediscussedcompletelyinthisarticle.KeyWords:remotesensingimage;classificationmethod;landuse引言土地分类是根据土地性状、地域和用途等方面存在的差异性,按照一定的规律,将土地归并成若干不

4、同类别,为土地管理和调控提供基本信息。土地利用分类是人们对土地资源认识的表现,科学严谨的土地利用现状分类关系到土地资源的合理、可持续利用,关系到土地利用类型结构的优化以及土地资源社会经济生态效益的综合发挥[1]10。随着遥感平台的多样化和图像分辨率的提高,以及计算机技术的迅速发展,遥感技术已成为土地资源利用研究的重要手段。因而通过遥感图像处理、解译分类提取土地利用信息已成为土地利用研究必不可少的一步。遥感影像土地利用分类是指遥感影像中的像元根据其在不同波段的光谱亮度、空间结构特征或其它信息,按照某种规则或

5、算法进行的土地利用的分类。本文基于遥感机助分类技术来阐述了几种不同的土地利用的分类方法。1土地利用的分类概述 在遥感技术的研究中,通过遥感影像判读识别各种地物是遥感技术发展的1个重要环节无论是专题信息的提取,动态变化的监测,还是专题地图的制作,或是遥感数据库的建立等都离不开遥感图像的分类。图像分类的过程,实际上就是将图像中的每个像元点或每一块区域划分到若干类别中的一类,或若干专题要素中的一种。分类的结果是将图像空间划分为若干子区域,每个子区域代表一种实际地物[2]。遥感影像的计算机分类方法有2种,统计模式

6、方法和句法模式方法。常见的分类方法一般为统计识别模式,如最大似然法、K2最近判别法等。近年来发展的分类新方法则多采用句法方法,这类方法有人工神经网络方法、模糊数学方法、专家系统法和决策树分类法等。遥感图像的统计分类又分为2种:非监督分类和监督分类。非监督分类是对于遥感图像地物的属性不具有先验知识,仅仅依靠不同的光谱数据组合在统计上的差别来进行分类,然后再对已经分出的各类地物的属性进行确认的过程;监督分类是基于对遥感图像上样本区内的地物的类别已有一定的先验知识,即已经知道它所对应的地物类别,因而可以利用这些

7、样本的类别特征作为依据,从而判断非样本数据的类别[3]。2土地利用的机助分类方法众所周知,一幅遥感数字图像相应为一光谱数字矩阵,其行列交点为图像元素或称像素(像点、像元)。对这些像元及其灰阶表现出的纹理特征,采用不同的分类决策进行分类识别,最终实现地物的分类和提取土地利用与土地覆盖信息。一个理想的分类决策应该符合如下标准:①精确;②可重复使用;③严谨(对细微变化不敏感)且能完全开发出数据内涵;④可整体运用于整个目标区域;⑤客观(不依赖于分析者的决定)[4]。但这些标准往往很难满足。大多数分类器是基于光谱信

8、息的统计模式进行分类识别的,如聚类分析、决策树和相似性测度等,但一些后起的、融合有关分类类别知识的分类决策即基于知识或GIS的分类器和多源遥感影像融合分类器也越来越重要。此外对土地资源这样的遥感图像进行分类,关键是要区分出土地覆被,所以通过动态监测模型来识别植被类型从而确定土地类型也已成为研究的趋势。102.1基于统计的分类决策在土地利用与土地覆盖变化(LUCC)分类研究中,绝大多数基于光谱信息统计模式的算法都采用了监督和非监

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。