基于Landsat8遥感影像合肥市土地利用分类研究.docVIP

基于Landsat8遥感影像合肥市土地利用分类研究 　　摘要：基于Landsat8卫星2013年9月获取的合肥市OLI多光谱数据，在经过校正以及波段的融合等处理后得到的数据作为研究数据，采用不同分类方法进行分类识别，并且对比不同分类器在遥感影像分类中的效果和分类精度。根据国家土地利用现状分类的标准和合肥市土地利用的现状，将合肥市的土地主要分为建设用地、交通用地、水体、绿化用地、农业用地、林地等6类，并采用5种常见监督分类方法和BP神经网络分类法对于本研究数据进行分类，结合实际用地情况对分类结果进行了总结分析，完成总体分类精度和Kappa系数等指标对各分类器精度的评价，对比了各分类器对各要素的分类精度。 　　关键词：遥感；Landsat8；土地利用分类； 监督分类；BP神经网络 　　中图分类号：F301.24；S127 文献标识码：A 文章编号：0439-8114（2015）15-3625-05 　　Abstracts： Based on OLI multi-spectral data acquired from Landsat8 of Hefei City in September 2013， after correction and band fusion， the processed data as the research data. The effects and classification accuracy among different classifiers were compared by using different classification recognition in remote sensing images. According to the national standards of land using classification and the land use present situation about Hefei， the land in Hefei is divided into construction land， transportation land， water， green land， agricultural land and forest land， then use 5 kinds of common supervised classification methods and BP neural network method for this papers research data， analyzed the classification results combined with the actual status in land use. The evaluation about each classifier accuracy was completed by some indicators such as overall accuracy and Kappa coefficient， and the classification accuracy of each elements with each classifier was compared. 　　Key words： remote sensing； Landsat8； land use classification； supervised classification； BP neural network 　　遥感技术发展至今，已经展现出其宏观、动态、实时的特点，无论是植被覆盖研究还是土地利用变化，以及商业化领域的农作物监测等方面都发挥着重要作用。其中，遥感影像数据分类是对于遥感数据分析和信息提取的重要内容，主要是将图像中的每个像元根据在不同波段下的亮度和空间结构特征，按照某种规则或算法划分为不同类别[1]。运用遥感影像对于城市土地利用变化的宏观动态监测技术已经得到广泛应用。根据城市影像数据的信息提取，可以将城市的土地划分出其区域特点的利用类型。 　　Landsat8卫星是美国对地观测的最新数据支持系统[2]，于2013年发射成功，代替Landsat7卫星继续为全球的生态环境提供连续的观测数据，继承了先前系列的传统，提供多波段，中高分辨率影像。Landsat 8卫星提供多光谱8个波段，空间分辨率30 m，一个全色波段，空间分辨率达到15 m，此外还有热红外数据。文研究运用平行六面体法、最小距离法、马氏距离法、最大似然法、波谱角法、BP神经网络法等6种分类方法，对合肥市2013年9月的Landsat8遥感影像数据进行土地利用的分类，以期对合肥市土地利用现状有一定的了解。 　　1