基于etm数据的额济纳绿洲景观分类方法的研究

《基于etm数据的额济纳绿洲景观分类方法的研究》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基于ETM数据的额济纳绿洲景观分类方法的研究姓名：金宇申请学位级别：硕士专业：森林经理指导教师：安慧君20090501摘要遥感影像分类是利用地物的光谱能量特缀差异性和缕构特征差异饿涞识别在～定对阕羧内鲍缝貉瘩惠，逶枣影像熬计冀概套穗势类实羁价毽稷太，懿是鋈嚣分类的方法和精度都霄待提高。提离影像分类鹣精度一直是遥感技术与应用的核心研究内容之一。本文以额济纳绿渊为礤究辩象，采用黟糊G黔技术，馘嚣硼数据为信息源，使用ENVI遥感影豫簸理软箨遴行数据楚莲，对鞭济续绿瓣主簧最露类型进行分类，并对分类结果进行精度比较分析。分类的方法包括非监督分类的K-means辣法分类，监餐分类

2、的最大似然法分类以及决策树分类。采尾混淆舞簿鹩方法，黠兰稀分类结暴进行精度分橱。结渠表褒，K-means算法分类与最大儆然法分类的总体精度分别为86．32％、85．82％，精度不离，对植被的分裟效果不理想。在决策树分畿中，对数据进行地物光谱特征分析、NDVI特征分析、K-T变换及主成分分辨后，建立～撩合理筻姨策树，总体分类精度达到93．28％。应用凌策树瓣爨动努类技术后，鬏济纳绿潮ETM影像瓣分类耩凄较传统鸯魂分类方法有较大的掇商，达到了研究区景观类型分类的目的。美键溺：颧济纳；ETM；菲益餐分类；监誊分类；浃策耩分类StudyonClassificationofzjinaOasisLands

3、capeBasedonLandsatETMDateAbstractRemotesensingimageclassificationistheuseoftheenergycharacteristicsofthespectralfeaturesandstructuraldifferencesinthecharacteristicsofdifferencestoidentifythefeaturesinacertainperiodoftimeinformation．Remotesensingimageautomaticclassificationofthecomputeragreatpractica

4、lvalue，butthecurrentclassificationofthemethodsandaccuracyareyettobeimproved．Toimprovetheaccuracyofimageclassificationhasbeentheapplicationofremotesensingtechnologyandoneofthecorestudy．ThispaperstudiesEjinaOasis，theBseofRSandGPStechnologytoETMdataforthesourcesofinformation，theuseofENVIremotesensingim

5、ageprocessingsoftwarefordataprocessing÷onthemainlandscapetypesEjinaOasisclassification，andclassificationaccuracyoftheresultsofcomparativeanalysis．Classificationofnon．supervisedclassificationmethodsincludingK—meansalgorithmofclassification，supervisedclassificationofthemaximumlikelihoodclassificationa

6、nddecisiontreeclassification．Confusionmatrixusingthemethod，theresultsofthreeclassificationaccuracyanalysis．Theresultsshowthat，K—meansalgorithmformaximumlikelihoodclassificationandoverallclassificationaccuracyof86．32％，respectively,85．82％，accuracyisnothigh，theeffectontheclassificationofvegetationisnot

7、ideal．Inthedecisiontreeclassification，spectralfeaturesofthedataanalysis，NDVIAnalysis，KTtransformandprincipalcomponentanalysis，theestablishmentofareasonabledecisiontree．theoverallclassificationaccuracy