不同時期天水市tm遙感影像特征與分類分析畢業(yè)論文-在線瀏覽
2024-08-04 19:18本頁面
【正文】 n signs of classic surface feature地物類型圖像特征樣本圖片河流橘黃色；線狀植被綠色；塊狀耕地淺綠色；有規(guī)則的塊狀裸地白色；塊狀建筑地紫色；不規(guī)則的小塊狀最大似然分類法是經(jīng)常使用的監(jiān)督分類方法之一，它是通過計算每個像元對于各類別的歸屬概率，把該像元分到歸屬概率最大的類別中去的方法。此時，像元X歸為類別k的歸屬概率Lk表示如下（這里省略了和類別無關(guān)的數(shù)據(jù)項）。在分類過程中主要是通過改變概率閾值來生成分類影像。表2 研究區(qū)最大似然分類精度評價結(jié)果Table2: The evaluation results of classification accuracy of Maximum likelihood classification in study areas河流植被居民區(qū)裸地耕地用戶精度（%）河流107210128植被019910934居民區(qū)55157011裸地11156926耕地51851187生產(chǎn)精度(%)總體精度：% Kappa系數(shù)：最小距離法使用了每個感興趣區(qū)的均值矢量，并以均值向量作為該類在特征空間中的中心位置，來計算每一個未知象元到每一類均值矢量的距離，到哪一類中心的距離最小，像元都將被分類到那一類。在分類過程中主要是利用改變標(biāo)準(zhǔn)差和最大距離誤差來生成分類影像。平行六面體的尺度是由標(biāo)準(zhǔn)差閾值所確定的，而該標(biāo)準(zhǔn)差閾值則是根據(jù)每種所選類的均值求出的。它與最大似然分類有些類似，但是它假定了所有類的協(xié)方差都相等，所以它是一種較快的分類方法。分類結(jié)果如圖7所示：圖7 馬氏距離法分類結(jié)果 The result of Mahalanobis distance classification分類后精度評價結(jié)果如下表：表5 研究區(qū)馬氏距離法分類精度評價結(jié)果Table5:The evaluation results of classification accuracy of Mahalanobis distance in study areas河流植被居民區(qū)裸地耕地用戶精度（%）河流690132226植被5482341居民區(qū)46147101裸地20386016耕地17113167生產(chǎn)精度（%）總體精度：% Kappa系數(shù)：3 分類結(jié)果與分析對于分類結(jié)果只要采用混淆矩陣進行分類精度評價，將影像中的不同類和感興趣區(qū)進行匹配，計算出混淆矩陣。該矩陣的每一列代表一個地表的真實類別,每一行代表分類結(jié)果中的類,其對角線上的元素為被正確分類的樣本數(shù)目, 非對角線上的元素為被混分的樣本數(shù)目。對以上每種方法所得的混淆矩陣進行對比分析，主要對比各自的總體精度和Kappa系數(shù)。Kappa系數(shù)是遙感分類的主要精度評價方法，它顯示了一個已分類與隨機類之間的差異程度。經(jīng)過對比分析發(fā)現(xiàn)，在所選用的四種方法中，最大似然法的分類精度最高，說明最大似然法最適合對所選地區(qū)進行分類處理；但是分類結(jié)果顯示分類過程對居民區(qū)和植被的分類精度不是很高，主要原因可能是由于原影像中陰影對居民區(qū)有一定的影響，而植被本身分布比較零散，影響了分類效果。經(jīng)過以上的對比分析，最大似然法比較適合該區(qū)域的分類，所以選擇最大似然法對2001年的TM遙感影像數(shù)據(jù)進行分類處理，可以得出以下分類結(jié)果（如圖8）。表6 1992年和2001年主要地物像元統(tǒng)計Table6:The statistics of image element of the surface feature in 1992 and 2001 1992年2001年像元點數(shù)占總面積比例（%）像元點數(shù)占總面積比例（%）河流6027951059植被1051360454190居民區(qū)18157328821裸地866124217611耕地20198401171579對比所得統(tǒng)計數(shù)據(jù)分析，即可發(fā)現(xiàn)在所選研究區(qū)域內(nèi)，居民區(qū)也就是建筑用地所占的百分比顯著增大，裸地所占百分比也在增大，耕地所占百分比顯著減小，植被所占百分比減小，河流所占百分比也有減小的趨勢。4 結(jié)論與討論本文以2001年天水市區(qū)的遙感影像為基礎(chǔ)，結(jié)合1992年的遙感影像，探討土地利用類形遙感計算機自動分類技術(shù)，在了解監(jiān)督分類的各類分類方法的異同點之后，進行分類并對分類結(jié)果圖即土地利用在1992－2001年間的變化進行分析之后，得出以下結(jié)論：（1）波譜影像特征是遙感圖像地物識別中最直接、最重要的解譯元素。根據(jù)波譜響應(yīng)特征是進行地物分類的一個主要的方法。 （3）從檢查結(jié)果看，主要地物類型判識基本準(zhǔn)確，有少量耕地、植被和居民區(qū)有漏判、誤判現(xiàn)象，但由于面積較小，因此不影響分類圖的精度。參考文獻[1]葉明, 蔣剛毅, 楊曉平. 論TM圖像與GIS數(shù)據(jù)綜合的土地利用動態(tài)監(jiān)測[J]. 測繪學(xué)報, 2002, 增刊: 1114.[2]柳錚錚, 曾從盛, 鐘春棋. 基于TM影像的福州市地表植被變化分析[J]. 水土保持研究, 2008
公司管理相關(guān)推薦
鄂ICP備17016276號-1