不同時期天水市tm遙感影像特征與分類分析_畢業(yè)論文(已改無錯字)
2022-08-16 17:18:08 本頁面
【正文】 ccuracy of parallelepiped method in study areas 河流 植被 居民區(qū) 裸地 耕地 用戶精度（ %） 河流 11 0 0 0 0 植被 0 2 0 0 0 居民區(qū) 0 0 14 0 0 裸地 0 0 0 11 0 耕地 0 0 0 0 8 生產(chǎn)精度（ %） 總體精度： % Kappa 系數(shù)： 馬氏距離分類 馬氏距離分類是一個方向靈敏的距離分類器，它分類時將使用到統(tǒng)計信息。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。除非用戶指定了距離的閾值，在這種情況下，如果有些像元不滿足所選的標準，那么它們就不會被歸為任何類，否則所有像元都將分類到感興趣區(qū)中最接近的那一類。分類結(jié)果如圖 7所示： 天水師范學院畢業(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 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。 混淆矩陣也叫誤差矩陣 ， 是通過將每個地表真實像元的位置與分類圖像中的相應(yīng)位置的分類結(jié)果相比較計算而得的。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。矩陣中還顯示出制圖精度和用戶精度，制圖精度是指假定地表真實為 A 類 ,分類器能將一幅圖像的像元歸為 A 類的概率；用戶精度是指假定分類器將像元歸到 A 類 時 , 相應(yīng)的地表真實類別是 A 的概率。 對以上每種方法天水師范學院畢業(yè)論文 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)。其中總體精度=被正確分類的像元總和 /總像元數(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。 Kappa 系數(shù)的定義為： ? ?? ?1121k=mmpili liiimpi liiN p p pN p p?????????? 式中： K 為 Kappa 系數(shù)； N 為總樣本數(shù)； pip 為某一類所在列總數(shù)； lip 為某一類所在 行的總數(shù)。 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。所得的用戶精度和制圖精度之間也有一定的差異，這說明在分類過程中有錯分的現(xiàn)象，這主要是由于在分類過程中有些地物顏色或波譜特征比較接近導致的。 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20xx 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） 。 圖 8 20xx 年圖像分類結(jié)果 The result of Image classification in 20xx 對 1992 和 20xx 年兩年的最大似然法分類后的數(shù)據(jù)進行統(tǒng)計分析，主要是統(tǒng)計兩年各種地物的總像元點數(shù)和各自在整個研究區(qū)范圍內(nèi)所占的百分比 （表 6） 。 天水師范學院畢業(yè)論文 表 6 1992 年和 20xx 年主要地物像元統(tǒng)計 Table6:The statistics of image element of the surface feature in 1992 and 20xx 1992 年 20xx 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 60279 51059 植被 1051360 454190 居民區(qū) 18157 328821 裸地 866124 217611 耕地 2019840 1171579 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。說明從 1992 年到 20xx 年 所選研究區(qū)的地表主要地物 分布情況 的發(fā)生了很大變化，最主要的變化是居民區(qū)的增加和耕地的減少。 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)，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－ 20xx 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。地物由于組成與結(jié)構(gòu)的不同而具有各自獨特的波譜反射與輻射特性，表征為圖像上亮度值的差異。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。 （ 2）通過對研究區(qū)采用監(jiān)督分類的各種分類方法相比較，最大似然分類法的分類精度比較的高，高達 %，因此最大似然分類法是提高遙感分類精度的一個 相對 比較好的方法。 （ 3）從檢查結(jié)果看，主要地物類型判識基本準確，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。對比地面實況信息，檢查分類結(jié)果，水 域的判識效果最好，其次是耕地。 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]. 測繪學報 , 20xx, 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 , 20xx, 15(3): 2123. [3]徐金鴻 ,陳淑娟 .基于 TM 影像的水體信息提取 [J]. 水土保持研究 , 20xx, 15(6): 1719. 天水師范學院畢
研究報告相關(guān)推薦
鄂ICP備17016276號-1