不同時(shí)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
2024-09-06 17:18本頁(yè)面
【正文】 嶺造山帶的結(jié)合部位 ， 在地貌上則屬于隴南山地與隴中黃土高原的過(guò)渡地帶。 圖 1 天水市 TM432 波段合成遙感影像圖 Synthetic remote sensing image in the TM432 Band in TianShui City 2 分類數(shù)據(jù)及其處理方法 分類區(qū)數(shù)據(jù) 本文研究所采用的數(shù)據(jù)為 1992 年和 20xx 年的 TM 影像，經(jīng)緯度范圍為： 104176。44′E、 34176。10′N 之間，所采用的分析軟件為 。分類區(qū) 主要有河流，居民區(qū)，道路，耕地，裸地等地物。在波天水師范學(xué)院畢業(yè)論文 段上選擇了 TM1,TM2,TM3， TM4， TM5， TM6 波段，然后對(duì)其進(jìn)行疊加處理，形成多光譜圖像。 分類方法 遙感圖像包括了豐富的光譜信息，光譜信息反應(yīng)了地物的某種物理測(cè)量值大小，是地物特征較直觀的反映，不同地物 的光譜特征不同〔圖 3〕。本次分類研究采用了多光譜數(shù)據(jù)監(jiān)督分類法，以 TM 數(shù)據(jù)為主要信息源，配合同年實(shí)地調(diào)查結(jié)果，經(jīng)過(guò) 的處理，生成主要地物的分類圖。 在 1992 年的 T T T4 三 個(gè) 波段合成的假彩色合成圖像上，根據(jù) 不同 地物的 特征和分析， 采 用目 視解譯法， 并 根據(jù)國(guó)家土地利用分類的標(biāo)準(zhǔn)和已有的城市地類研究的結(jié)果，結(jié)合專家已經(jīng)得出的遙感圖 像上地物類別的解譯原理，在 研究區(qū)確定其主要的地物類型，主要有 5 種 地物：河流、植被、耕地、 裸地和建筑區(qū)。 然后選取感興趣區(qū)，對(duì)研究區(qū)選擇不同的方法進(jìn)行分類。 天水師范學(xué)院畢業(yè)論文 表 1 典型地物目標(biāo)解譯標(biāo) 志 Table1: The objective interpretation 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 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(guò)計(jì)算每個(gè)像元對(duì)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(shí)，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(wú)關(guān)的數(shù)據(jù)項(xiàng)）。在分類過(guò)程中主要是通過(guò)改變概率閾值天水師范學(xué)院畢業(yè)論文 來(lái)生成分類影像。 表 2 研究區(qū)最大似然分類精度評(píng)價(jià)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 107 21 0 12 8 植被 0 199 10 9 34 居民區(qū) 5 51 57 0 11 裸地 1 1 15 69 26 耕地 5 18 5 11 87 生產(chǎn)精度 (%) 總體精度： % Kappa 系數(shù)： 最小距離法 最小距離法使用了每個(gè)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(lái)計(jì)算每一個(gè)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(guò)程中主要是利用改變標(biāo)準(zhǔn)差和最大距離誤差來(lái)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： 天水師范學(xué)院畢業(yè)論文 圖 7 馬氏距離法分類結(jié)果 The result of Mahalanobis distance classification 分類后精度評(píng)價(jià)結(jié)果如下表： 表 5 研究區(qū)馬氏距離法分類精度評(píng)價(jià)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 69 0 13 22 26 植被 5 48 23 4 1 居民區(qū) 46 14 71 0 1 裸地 20 3 8 60 16 耕地 17 1 13 1 67 生產(chǎn)精度（ %） 總體精度： % Kappa 系數(shù)： 3 分類結(jié)果與分析 對(duì)于分類結(jié)果只要采用混淆矩陣進(jìn)行分類精度評(píng)價(jià)，將影像中的不同類和感興趣區(qū)進(jìn)行匹配，計(jì)算出混淆矩陣。該矩陣的每一列代表一個(gè)地表的真實(shí)類別 ,每一行代表分類結(jié)果中的類 ,其對(duì)角線上的元素為被正確分類的樣本數(shù)目 , 非對(duì)角線上的元素為被混分的樣本數(shù)目。 對(duì)以上每種方法天水師范學(xué)院畢業(yè)論文 所得的混淆矩陣進(jìn)行對(duì)比分析，主要對(duì)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(píng)價(jià)方法，它顯示了一個(gè)已分類與隨機(jī)類之間的差異程度。 經(jīng)過(guò)對(duì)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(shuō)明最大似然法最適合對(duì)所選地區(qū)進(jìn)行分類處理；但是分類結(jié)果顯示分類過(guò)程對(duì)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(duì)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(guò)以上的對(duì)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(duì)20xx 年的 TM 遙感影像數(shù)據(jù) 進(jìn)行分類處理，可以得出以下分類結(jié)果（如圖 8） 。 天水師范學(xué)院畢業(yè)論文 表 6 1992 年和 20xx 年主要地物像元統(tǒng)計(jì) Table6:The statistics of image element of the surface feature in 1992 and 20xx 1992 年 20xx 年 像元點(diǎn)數(shù) 占總面積比例（ %） 像元點(diǎn)數(shù) 占總面積比例（ %） 河流 60279 51059 植被 1051360 454190 居民區(qū) 18157 328821 裸地 866124 217611 耕地 2019840 1171579 對(duì)比所得統(tǒng)計(jì)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(shì)。 4 結(jié)論與討論 本文以 20xx 年天水市區(qū)的遙感影像為基礎(chǔ)，
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1