基于MODIS数据的土地覆盖/土地利用分类研究
【摘要】：应用遥感技术进行土地覆盖/土地利用分类是遥感应用领域的一项基础性研究工作,遥感数据的综合性与时效性等优势可以获取客观、准确的土地覆盖/土地利用信息。新一代MODIS数据具有更好的光谱分辨率与空间分辨率,对宏观尺度土地覆盖/土地利用分类具有很强的优势和广泛的应用价值。
本文以中国东北为研究区域,基于2005年的MODIS数据结合使用多种分类方法,挖掘MODIS数据的土地覆盖/土地利用分类识别能力,对中国的东北地区的宏观土地覆盖/土地利用分类进行研究和探讨。研究得到以下主要结论:
1.分类特征的选择直接影响分类精度,基于MODIS数据提取多种分类特征能明显提高区域尺度土地覆盖/土地利用分类的精度,其中包括1~7波段反射率、植被指数、水体指数、纹理特征等,但多分类特征需要优化组合后应用于分类。
2.多种分类方法结合运用对提高分类精度具有重要意义。充分利用MODIS数据多时相信息与波谱信息,针对不同性质的土地覆盖/土地利用类型进行多级分类,可在一定程度上减少“同物异谱”、“同谱异物”现象,而提高分类精度。
3.结合高分辨率的TM影像辅助分类能够提高分类精度,由于MODIS的空间分辨率较低,像元中多为混合像元,辅以TM数据对MODIS选择训练样本能够保证样本的准确性与代表性,分类后应用TM数据及其分类结果对区域MODIS土地覆盖/土地利用分类结果进行精度评价也具有很强的可行性。
4.从应用观点出发,依据MODIS数据构建的9类中国东北地区土地覆盖/土地利用类别,分类结果总体精度达到82.7822%,Kappa系数0.8031。本文东北地区土地覆盖/土地利用的分类结果能较好地反映东北地区土地覆盖/土地利用的实际情况。
本文选择了多时相的MODIS数据,其中有MODIS 7个波段的反射率数据、EVI、LSWI、纹理特征等进行区域土地覆盖/土地利用分类取得了较好的分类效果,显示了在区域尺度上利用多光谱多时相MODIS数据进行土地覆盖/土地利用分类的优势。结果表明:MODIS数据对宏观土地覆盖/土地利用分类具有很高的实用价值与应用潜力,在大尺度土地覆盖/土地利用分类中具有很好的应用前景。
【关键词】：土地覆盖/土地利用 分类 MODIS数据 分类特征 【学位授予单位】：哈尔滨师范大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：P237;TP79;F301
【目录】：
- 摘要7-8
- Abstract8-10
- 第1章 绪论10-20
- 1.1 研究背景与意义10-13
- 1.1.1 土地覆盖/土地利用研究的学术背景10-11
- 1.1.2 我国土地覆盖/土地利用研究的重要意义11-13
- 1.2 国内外研究综述13-16
- 1.2.1 遥感技术在土地覆盖/土地利用中的研究现状13-14
- 1.2.2 遥感解译在土地覆盖/土地利用中的研究进展14-16
- 1.3 研究的内容与方法16-20
- 1.3.1 研究目标16
- 1.3.2 研究内容16-18
- 1.3.3 总体技术路线18
- 1.3.4 论文结构18-20
- 第2章 研究区与数据20-35
- 2.1 研究区概况20-22
- 2.1.1 黑龙江省自然环境与土地覆盖/土地利用空间分布21
- 2.1.2 吉林省自然环境与土地覆盖/土地利用空间分布21
- 2.1.3 辽宁省自然环境与土地覆盖/土地利用空间分布21-22
- 2.2 数据源22-34
- 2.2.1 遥感数据的获取22-28
- 2.2.2 遥感数据的预处理28-31
- 2.2.3 辅助数据的选择31
- 2.2.4 土地覆盖/土地利用分类特征的选取与生成31-34
- 2.3 本章小结34-35
- 第3章 基于 MODIS 数据的土地覆盖/土地利用分类35-55
- 3.1 土地覆盖/土地利用分类系统的确立35-36
- 3.2 基于 MLC 的土地覆盖/土地利用分类特征选取36-41
- 3.2.1 训练样本选取37-39
- 3.2.2 反射率数据分析39
- 3.2.3 NDVI 与EVI 比较39-40
- 3.2.4 水分指数与土壤亮度指数选择40
- 3.2.5 纹理特征获取40-41
- 3.3 基于非监督分类的土地覆盖/土地利用分类41-42
- 3.4 基于决策树方法的土地覆盖/土地利用分类42-44
- 3.4.1 C5.0 决策树分类算法42-43
- 3.4.2 基于See5.0决策树的分类流程43-44
- 3.5 土地覆盖/土地利用分类的实现44-54
- 3.5.1 分类特征的可分性分析44-47
- 3.5.2 研究区土地覆盖/土地利用分类47-54
- 3.6 本章小结54-55
- 第4章 分类结果的精度评价55-60
- 4.1 土地覆盖/土地利用分类精度定量评价55-58
- 4.1.1 基于混淆矩阵的精度评价55-57
- 4.1.2 基于林地面积比较的精度评价57-58
- 4.2 土地覆盖/土地利用分类结果评价58-59
- 4.3 本章小结59-60
- 结论60-63
- 1. 主要结论60-61
- 2. 问题与展望61-63
- （1） 存在的问题61
- （2） 展望61-63
- 参考文献63-70
- 攻读硕士期间发表的学术论文70-71
- 致谢71
|
|
|
|
| 1 |
霍宏涛,王任华,游先祥;三维及相关辅助信息在提高图像分类精度中的研究[J];北京林业大学学报;2001年02期 |
| 2 |
田苗苗;数据挖掘之决策树方法概述[J];长春大学学报;2004年06期 |
| 3 |
杜明义;;决策树方法在土地荒漠化分类中的应用研究[J];测绘科学;2006年02期 |
| 4 |
黄桂兰,郑肇葆,杨敏;一种基于共生矩阵法的影像纹理分类方法[J];测绘通报;1996年03期 |
| 5 |
骆剑承,梁怡,周成虎;基于尺度空间的分层聚类方法及其在遥感影像分类中的应用[J];测绘学报;1999年04期 |
| 6 |
熊桢,郑兰芬,童庆禧;分层神经网络分类算法[J];测绘学报;2000年03期 |
| 7 |
骆剑承,王钦敏,周成虎,梁怡;基于自适应共振模型的遥感影像分类方法研究[J];测绘学报;2002年02期 |
| 8 |
骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期 |
| 9 |
术洪磊,毛赞猷;GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖/土地利用类型为例[J];测绘学报;1997年04期 |
| 10 |
陈玉敏;基于神经网络的遥感影像分类研究[J];测绘信息与工程;2002年03期 |
|
快捷付款方式
订购知网充值卡
订购热线
帮助中心