基于遥感影像认知理解的干旱区土地利用/土地覆盖自动分类方法研究

摘要

常用的人工目视解译和分析方法在土地利用/土地覆盖中得到了广泛的应用,虽然可以获得较高的精度,但是对研究区需要漫长的知识准备和积累时间才能完成地物的目视判别,耗时耗力。而目前发展中的以贝叶斯判别准则为基础的多种自动分类算法,普遍受到"同物异谱"和"异物同谱"现象的影响和制约,不仅实际获得的分类数目十分有限,而且误分类的问题无法从根本上解决。为了迅速而准确的提取大面积干旱区的土地利用/覆盖情况,寻找适合于干旱区的智能遥感影像自动分类方法势在必行。本文以TM影像为基础数据源,并结合DEM数据以及派生数据,针对其土地利用/土地覆盖的特点,从遥感影像认知的角度,利用eCognition软件技术和方法对影像进行自动分类。首先对影像多尺度分割成更加具有现实意义的对象并形成对象的网络层次,充分利用对象的光谱、形状、大小、空间位置、格局关系、"父类"与"子类"之间的继承关系等特征进行了研究区域土地利用/土地覆盖模糊逻辑自动分类,分类类别达到22类,分类精度达到了93.3％,结果表明:eCognition分类方法相比目前已知商业遥感软件,更加接近人类对图像的认知理解,利用该软件进行分类,可以获得迄今为止最佳的图像分类结果。