论文部分内容阅读
遥感技术的发展，使得我们能够获得及其丰富的信息。遥感影像分类就是处理和应用这些数据，使之能转换为被应用的信息。分类方法的选择是一个非常关键的环节，选用合理的分类方法不仅会提高分类精度，而且也会避免空间数据冗余和资源浪费。本研究以全国唯一的农业示范区——杨凌为例，以2008年11月25日ALOS高分辨率遥感影像为数据源，在遥感图像处理软件ERDAS IMAGIE9.2中对影像进行校正、融合、剪裁等预处理，通过对传统的遥感分类方法——监督分类和非监督分类进行全过程的展示，在遥感图像处理软件ENVI4.8中，对面向对象分类方法的全过程分析展现，并在分类原理，算法和结果上进行对比。研究取得以下主要结论：1.对杨凌区的ALOS高分辨率遥感影像进行分类，根据农业示范区的现状，所分类别为耕地、水体、林地、滩涂、空闲地、工矿用地、居民地、道路共八种主要地物。2.对杨凌区的遥感影像进行非监督分类，得到结果图中图斑破碎，道路和滩涂没有分出来，其总体分类精度为42.8%，kappa系数为0.33，表明非监督分类不适合高分辨率影像分类。3.对杨凌区的遥感影像进行监督分类，得到结果图中图斑破碎，各个地类均可清晰分出，其总体分类精度为65%，kappa系数为0.6，此方法比非监督分类效果要好很多。4.对杨凌区的遥感影像进行面向对象分类，设置分割尺度分别为20、40、60、70、80来探究最佳分割尺度。结果表明：面向对象无论哪个分割尺度得到分类精度都要比基于像素的传统的分类的精度高，并且最终的结果图有效地避免了图斑破碎的现象，其中分割尺度为60的最为理想，其总体分类精度为79.8%，kappa系数为0.71。因此，面向对象分类方法比监督分类和非监督分类具有更高的精度，总体精度、kappa系数在分类结果中的精度比监督分类分别提高了14.8%和11%。