基于遥感影像的土地利用现状分类方法研究论文.docVIP

PAGE 9 PAGE 1 基于遥感影像的土地利用现状分类方法研究 摘 要：遥感技术已经成为土地利用信息来源的主要手段，分类方法研究在其中占有重要的地位，分类方法的优劣直接关系着分类的精度。本文在传统的遥感分类技术的基础上，结合当今遥感影像分类技术领域内的一些新进展和应用, 对土地利用分类技术做出较为全面的阐述。 关键词：遥感影像；土地利用；分类方法； Study of Classification Methods of Land Use Based on Remote Sensing Technology Abstract: Technology of Remote sensing has become the principal means of land use information sources,classification method research occupies an important position in the field,advantages and disadvantages of classification method are directly related to the accuracy of classification. Based on the development and application in the area of the remote sensing image classification technology nowadays, the new technology methods of the land cover classificationare discussed completely in this article. Key Words: remote sensing image;classification method ; land use 引言 土地分类是根据土地性状、地域和用途等方面存在的差异性, 按照一定的规律, 将土地归并成若干不同类别，为土地管理和调控提供基本信息。土地利用分类是人们对土地资源认识的表现, 科学严谨的土地利用现状分类关系到土地资源的合理、可持续利用, 关系到土地利用类型结构的优化以及土地资源社会经济生态效益的综合发挥[1]。随着遥感平台的多样化和图像分辨率的提高，以及计算机技术的迅速发展，遥感技术已成为土地资源利用研究的重要手段。因而通过遥感图像处理、解译分类提取土地利用信息已成为土地利用研究必不可少的一步。遥感影像土地利用分类是指遥感影像中的像元根据其在不同波段的光谱亮度、空间结构特征或其它信息，按照某种规则或算法进行的土地利用的分类。本文基于遥感机助分类技术来阐述了几种不同的土地利用的分类方法。 1 土地利用的分类概述 　 在遥感技术的研究中, 通过遥感影像判读识别各种地物是遥感技术发展的1个重要环节无论是专题信息的提取, 动态变化的监测, 还是专题地图的制作, 或是遥感数据库的建立等都离不开遥感图像的分类。图像分类的过程, 实际上就是将图像中的每个像元点或每一块区域划分到若干类别中的一类, 或若干专题要素中的一种。分类的结果是将图像空间划分为若干子区域, 每个子区域代表一种实际地物[2]。 遥感影像的计算机分类方法有2种, 统计模式方法和句法模式方法。常见的分类方法一般为统计识别模式, 如最大似然法、K2最近判别法等。近年来发展的分类新方法则多采用句法方法, 这类方法有人工神经网络方法、模糊数学方法、专家系统法和决策树分类法等。 遥感图像的统计分类又分为2种： 非监督分类和监督分类。非监督分类是对于遥感图像地物的属性不具有先验知识， 仅仅依靠不同的光谱数据组合在统计上的差别来进行分类, 然后再对已经分出的各类地物的属性进行确认的过程；监督分类是基于对遥感图像上样本区内的地物的类别已有一定的先验知识，即已经知道它所对应的地物类别，因而可以利用这些样本的类别特征作为依据, 从而判断非样本数据的类别[3]。 2 土地利用的机助分类方法 众所周知,一幅遥感数字图像相应为一光谱数字矩阵,其行列交点为图像元素或称像素(像点、像元) 。对这些像元及其灰阶表现出的纹理特征,采用不同的分类决策进行分类识别,最终实现地物的分类和提取土地利用与土地覆盖信息。一个理想的分类决策应该符合如下标准: ①精确； ②可重复使用；③严谨(对细微变化不敏感) 且能完全开发出数据内涵；④可整体运用于整个目标区域；⑤客观(不依赖于分析者的决定)[4]。但这些标准往往很难满足。大多数分类器是基于光谱信息的统计模式进行分类识别的, 如聚类分析、决策树和相似性测度等，但一些后起的、融合有关分类类别知识的分类