基于TM数据的遥感分类方法对比研究.pdfVIP

2015年1月 绿色科技 JournalofGreenScienceandTechnology 第 1期 基于TM数据的遥感分类方法对比研究 秦及茹，徐天蜀 (西南林业大学林学院，云南 昆明 650224) 摘要：以香格里拉县2009年Iandsat5～TM遥感影像为实验数据，利用最太似然法(MLC)以及最小距离法 两种方法进行了遥感分类方法研究，主要从分类精度方面对两种方法进行了对比分析，结果表明：最太似 然法分类结果明显优于最小距 离法，但作为传统的分类方法 。二种方法分类精度都不够高。 关键词 ：遥感；最大似然法 ；最小距离法 ；分类精度 中图分类号：T98 文献标识码：A 文章编号 2015)01—0272—03 1 引言 至关重要的影响。训练样本的选取必须遵循 2个原则 ： 首先。样本点的选取耍具有典型性及代表性，也就是说 遥感技术是从远距离感知 目标反射或 自身辐射的 选出的样本点必须是该地物类型的 “蓝本”，并且能够较 电磁波、可见光、红外线，对 目标进行探测和识别 的技 好的代表该地物类型的光谱分布模式 。这就要求在训 术。现代遥感技术主要包括信息的获取、传输、存储和 练样本选择时，要在一个区域的中间位置选择其像元 处理等一些环节 。在识别地物时 ，可 以采用人工 目视解 点，这样其光谱代表性好，受到的 “异类”光谱影响就会 译法或计算机 自动识别 的方法 ，在 目前遥感分类方法 比较小。其次，样本点的选取还应具有完备性，图像中 中，应用得较多的是传统的监督与非监督分类法 ，如 ：模 待分类的每一种类 ，如果其存在许多亚类，就必须从其 式识别分类方法，诸如最小距离法、平行六面体法、最大 亚类中选择像元点构成一组较为复杂的训练样本作为 似然法 (MLC)、支持 向量机 (sMV)、循环集群法 (ISO- 其大类的训练区，这也就使得训练区的统计结果能够充 DATA)等 。本文采用最大似然法 以及最小距离法两种 分反映每一类型中光谱类别的所有组成。根据上述原 方法对遥感 图像进行分类 ，从分类精度方面对两种方法 则 ，现在已获取的遥感图像中选取合格的样本单元，并 进行对 比分析 。 将研究区域分为六大类 ：林地 、雪地 、城镇 、农牧地 、裸 2 研究区与数据收集 地 、水体 ，如表 1所示 。 裹 1 香格里拉县TM影像各类型地肆句目祝解译标志 2．1 研 究区概况 类型 影像特征：(R：5波段；G：4波段；或3波段) 香格里拉县位于青藏高原南部，横断山脉腹地，三 形态及分布特征 色调特征 典型影像 江并流区。隶属迪庆藏族 自治州 ，位于云南省西北部、 迪庆州东北部