论文部分内容阅读
土地覆被变化(LUCC)是当前全球气候变化研究的核心内容之一,是国土资源管理工作重要基础数据,了解土地覆被现状和变化是制定区域发展规划重要内容。我国现在拥有的境外高精度地理信息几乎是空白,发达国家对我国实行技术和信息封锁。虽然高分系列卫星影像被广泛应用于国内资源环境方面,但在境外使用较少,如何充分挖掘高分数据的应用潜力,多方位地发挥相关遥感数据的巨大作用,是我国科研人员亟待思考的问题。因此,本文以高分一号(GF1)卫星影像作为主要数据源,对老挝北部土地覆被分类做了初步研究,取得如下进展:1、利用地形起伏度的影像分区。老挝北部地形较为复杂,山地和平原的土地覆被分类精度必然受到地形影响。本文利用DEM计算地形起伏度,并以此为依据,对GF1影像分区,对山地和平原区域分别进行分类,结果表明基于影像分区的方法精度较高,能够精细的反映土地覆被信息,为后续研究工作提供相对准确的数据。2、面向对象方法分类。通过经典的KNN和Bayes方法对山地和平原分别进行分类,实验表明,KNN和Bayes方法均适用于该区域,Kappa系数均高于0.85,但Bayes方法精度更高。与基于像元的最大似然法(MLC)、ISODATA方法分类结果比较,面向对象分类方法更优,山地提取精度提高约7%,平原提取精度提高约4%。3、分析样本数量对分类精度的影响。分类算法依赖于参数设置:样本数量、特征提取、验证方法等。本研究设定了5组训练样本,每类样本数量分别是20、40、60、80、100,从定量的角度分析了样本数量对分类精度的影响。结果表明,样本数量对分类精度影响不一,山地在每类样本达到60以后,分类精度趋于稳定,平原在每类样本达到40后,精度均较高。4、实验面向对象方法在大区域中尺度的土地覆被分类效果,并对其空间格局进行深层次分析与评价。