rbfnn算法遥感土地分类中的应用——以内江市为例.pdf

摘要 近年来，随着3S技术日新月异的发展，空间信息的采集、分析与应用进入了 一个崭新的时代。作为空间信息采集的重要手段，遥感在很短的时间内，为土地资 源调查、土地管理提供了大量宏观、同步的第一手信息，而且随着遥感信息获取技 术的快速发展，这种数据提供能力越来越强，提取遥感信息或遥感数据，为资源调 查、土地管理等学科服务，就显得尤为重要。 本研究以内江市樟木镇为试验区，土地类型划分为水田、早地、水体、建设用 地、道路用地五类，选取LandSAT卫星的ETM影像为基础数据，在遥感分析软件 ERDAS 分类方法，分类结果与传统的非监督分类算法、监督分类算法进行了比较，根据分 类影像图计算了分类混淆矩阵及精度评价参数，分类精度的评价参数主要选用了： 用户精度、生产精度、Kappa系数，根据分类混淆矩阵及评价参数，对分类结果进 行了精度分析与评价，探讨了分类造成错分、漏分的原因。 本研究分类算法的设计，主要分为训练样区的选择、RBFNN算法的建立、 RBFNN算法的仿真、分类影像图的制图、分类结果的精度评价与分析五部分内容。 其中，训练样区的选择，主要采用野外调查、室内预判方法，选择典型地块建立训 练样区：RBFNN算法的建立，以训练样区所选择的遥感影像灰度值作为输入，训