原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于最优波段组合的土地利用覆盖遥感信息提取研究.PDF
, Journal of nhui gr.i Sci. 2009, 37( 14): 6696- 6699 罗芸 汪伟
/
1, 2 3
李谢辉 ,郑 奕 ( 1. , 475001; 2. ,
730000; 3. , 830002)
以渭河下游河流沿线区域为研究区,通过对2002年 ETM+ 影像的各波段光谱特 相关系数矩阵最佳指数OIF修正植被指数
RNDVI主成分变换进行分析后, 认为第一主成分分量 PC1RNDVI和 Band4为最优波段组合利用非监督的 ISOD T 和监督分类相
结合的方法对研究区进行土地利用 /覆盖分类后,得到的总体分类精度为 90. 0987%, Kappa系数为 0. 884 5,说明该研究方法获得的分
类精度较高,步骤简便且实用性强,能极大地提取遥感分类信息
最佳指数;修正植被指数;主成分分析;非监督分类;监督分类
F301. 2 0517- 6611(2009) 14- 06696- 04
Study on the Extraction ofR emote Sensing Information ofLandU se/CoverBased onOptimum Band Combination
LI Xie hui et a l (Research Center ofYellow R iverCivilization and SustainableDevelopm ent, HenanUniversity, Kaifeng, Henan 475001)
Abstract Taking the catchm entarea alongW eihe River in ShaanxiProvince as a study area, by analyzing spectral characteristics of every
band, correlation coefficientmatrix among bands, optmi um index, revisedvegetation index andprincipalcomponents transformation onETM +
mi age in 2002, optmi um band combinationswere fixedonPC1, RNDVI andBand4. fter classified to study area on land use and cover using
unsupervised and supervised classification, the totalaccuracy of classificationwas90. 098 7% , and theKappa coefficientwas 0. 884 5. The
results show that them ethod not only getshigher accuracy, buthas smi pler stepsand stronger practicability, and can extract furthest remotely-
sensed classified inform ation.
Key words Optmi um index; Revised vegetation index; Principalcomponents analysis; Unsupervised classification; Supervised classification
/,
, ,
, ,,
[ 1]
, ,
/ 0/ 0, 1B25,
,
, 2
, , 3: ¹
, , ; º; »
, [ 2]
,
文档评论（0）