四川省成都市龙泉驿区遥感实验(总报告).docxVIP

龙泉驿区遥感影像分类与变化监测目录1.数据准备11.1研究区域概况11.2数据下载22.数据处理22.1多波段融合22.2影像裁剪43.监督分类53.1监督分类的定义53.2研究区地物类别的判定53.2.1国家土地利用分类标准53.2.2结合高分遥感影像的类别判定63.3建立监督分类模板73.4精度评估94.非监督分类104.1非监督分类的定义104.2非监督分类的操作步骤114.3误差矩阵分析135.分类后处理165.1分类重编码165.2聚类分析175.3去除分析186.专题地图201.数据准备1.1研究区域概况龙泉驿区是四川省省会成都市所辖的九区之一，位于成都中心城区东部偏南、龙泉山脉中段。地貌主要以山地、丘陵、平坝为主，三者的面积分别占龙泉驿区总面积的39.07%、3.86%、57.07%。龙泉驿区植物种类较多，森林植被与农田植被相间分布，山坝差异明显。龙泉驿区地带性森林植被属亚热带常绿阔叶林带，由于长期人为活动的结果，自然原始森林植被己被破坏，代之而起的是天然次生林和人工栽培的乔木林、果树林和竹林。龙泉驿区土地总面积5.5698万公顷，其中耕地7367.83公顷，占土地总面积的13.23%；园地2.5295万公顷，占土地总面积的45.42%；林地7628.2公顷，占土地总面积的13.70 %；其他农用地3295.85公顷，占土地总面积的5.92%；居民点及工矿用地1.0742万公顷，占土地总面积的19.29%；交通运输用地539.83公顷，占土地总面积的0. 97%；水利设施用地553.30公顷，占土地总面积的0.99 %；未利用地274.93公顷，占土地总面积的0.49%。1.2数据下载在地理空间数据云网站下载分类所需的成都市龙泉驿区（2000/2014）遥感影像以及用于裁剪的龙泉驿区边界。以下是下载的两期影像的具体信息以及经过波段压缩形成的.img图像。遥感影像数据标识数据类型卫星名称传感器条带号太阳高度角太阳方位角平均云量2000年LT51290392000045BJC00L45TMLANDSAT5TM12960.7427114.332102014年LT51290392014083BJC00L45TMLANDSAT7TM12967.5078103.531923.162000年3月龙泉驿区 2014年3月龙泉驿区2.数据处理2.1多波段融合运用ERDAS8.5中“LaryerStack”工具，进行多波段遥感影像的融合。TM影像由7个波段，从下载的影像中选择1~7波段的影像，进行波段融合，为后面的处理提供基础。融合后的图像（2000年）：融合后的图像（2014年）：2.2影像裁剪运用ERDAS8.5中“Subset”工具，用下载的“龙泉驿区行政边界”裁剪融合成的影像，为接下来的分类做准备。对融合好的图像进行裁剪：2000年龙泉驿区裁剪图：2014年龙泉驿区裁剪图：3.监督分类3.1监督分类的定义监督分类就是先用某些已知训练样本让分类识别系统进行学习，待其掌握了各个类别的特征后，按照分类的决策规则进行分类下去的过程。目前比较成熟的分类方法，一般是概率统计分类方法。除此之外，尚有模拟自然语言的句法结构分类方法和模糊数学分类方法等。就统计分类方法而论，其为通过计算各类别的均值、方差、协方差、标准偏差和离散度等统计量，作为进行比较不同类别的相似程度的一句和标准，也即在在这些统计量的基础上建立各组的类别识别特征进行分类。自然监督分类的精度要比非监督分类的方法高些，准确度要好些，但是进度分类的工作量也要比非监督分类的方法大的多。首先监督分类有一事先训练样本的的工作，，训练样本要选好，要有一定的的代表性，而且要有足够的数量。另外，对于遥感影像分类来说，由于各种地物波普辐射的复杂性以及干扰因素的多样性，有时仅仅考虑在某特定时间和空间内选取训练样本还是不够的，为了提高分类的精度，这时还必须多选取一些样本组和研究一些新的分类算法。3.2研究区地物类别的判定3.2.1国家土地利用分类标准根据国家土地利用分类的标准，本研究确定的其主要地物类型有：林地、耕地、水体、建设用地。由于图像上植被阴影的光谱特征近似水体，因此必将阴影与水体区分。在不同时期的影像中，林地其下还有植被1、植被2的区分；耕地有g1/g2/g的区分；水体有堰塘/湖泊的区分；建设用地有道路/房屋的区分。这样做的是为了分类更加精确。但本次分类的目的是为了研究龙泉驿区2000-2014年土地类型的变化，所以最终两期影像的类别必须一致，在重编码时进行类别的合并。3.2.2结合高分遥感影像的类别判定高分辨率的遥感图像能很清晰的反映地面地物的类型及特征，从图像上不仅可以区分不同的地物，而且还能辨识它们。因此我们可以借助高分辨率的遥感图像选择类别，以保证