论文部分内容阅读
科学准确的测定土地覆盖类型对于研究人类可持续发展具有重要意义.在更大区域尺度上快速及准确的获取土地覆盖数据一直是遥感应用中的关键问题. Landsat以其长时间序列、大范围观察、免费获取等特点在遥感应用中发挥重要作用.随着面向对象和决策树技术的发展,为快速、准确地获取Landsat数据的土地覆盖信息提供了可能.以Landsat数据为数据源,较为系统的研究了面向对象技术和决策树技术在Landsat数据分类中分割尺度、特征计算、特征选择及分类技术流程等关键问题,实验了基于决策树和面向对象技术在土地覆盖分类中的应用.具体包括以下内容:
1.最优分割尺度的确定.以eCognition中的多尺度分割算法为基础,在其他影响分割结果的因子不变条件下,考虑不同分割尺度下对象个数和ASEI,评价基于Landsat分割的最优分割尺度.通过分析分割尺度在10～100及10～30之间的对象个数和ASEI变化情况,认为对于Landsat来说,在其他因素设置与本文相同的情况下,最优分割尺度在20左右.
2.基于对象层次的特征提取.面向对象技术引入到遥感影像分类中极大地丰富了遥感分类特征的内涵与数量,考虑到端元丰度特征在遥感中的广泛应用以及其可以作为一个重要的分类特征辅助分类,将混合光谱分解提取端元丰度的技术从像元层次上引入到对象层次,克服混合光谱分解技术在像元层次上解混速率慢、结果比较破碎的缺点.研究结果表明基于对象的混合光谱分解结果是可信的,且光谱解混速度较于基于像元的解混有很大提高.
3.分类特征集的选择和优化.将面向对象技术引入到遥感分类后,可以从遥感影像上提取出对象光谱特征、空间几何特征、空间纹理特征和空间结构特征等众多特征.面对众多的特征,需要对这些特征进行选择和优化,进而去除特征集中冗余的特征及与分类不相关特征.本文以美国NLCD土地覆盖数据为基础,利用特征相关性准则和类别可分性准则对分类特征子集选择和优化,选择出包含土壤指数、植被指数、水体指数、ETM3均值和GLCM_ETM3_MEAN等特征的子集.
4.基于决策树和面向对象技术的土地覆盖分类专家系统构建.以前面几章为基础,设计和实现了基于决策树和面向对象技术的土地覆盖分类流程及决策树专家分类系统.将该流程和决策树专家分类系统应用于基于中国科学院土地资源分类系统的伊犁地区土地覆盖分类中,分类的总体分类精度达到0.81,总体kappa系数为0.78,满足大区域制图的要求.