基于MODIS数据的华东地区土地利用与土地覆被分类研究

摘要

准确实时获取区域及其全球范围内的土地利用/土地覆被类别已成为当前全球变化研究中的热点。本文充分利用MODIS在大尺度土地利用/土地覆被分类中的优势，结合统计方法、数据挖掘技术、机器学习等技术手段，采用多种土地利用/土地覆被分类方法，获取高精度的华东地区土地利用/土地覆被图。
　　对2009年中国华东区域（山东、安徽、江苏、江西、浙江、福建、上海）的土地利用/土地覆被分类进行研究。最大似然法、决策树法在大尺度土地利用/土地覆被分类应用较为广泛，而马氏距离法、支持向量机大尺度土地利用/土地覆被分类中很少涉及。本文主要围绕着如何提高分类精度方面进行展开。
　　1、特征数据的选择:从近年来土地利用/土地覆被的研究中，我们知道单单依靠遥感影像的波段反射率产品，并不能达到很好的分类效果。所以在特征数据的选择上，加入高程信息(DEM)、植被指数(NDVI、EVI)、水体指数(NDWI)，湿度指数(NDWI)、土壤亮度指数(NDMI)。其中植被指数、高程信息的加入在很大程度上提高了分类精度，应用比较广泛，而水体指数，湿度指数、土壤亮度指数在土地利用/土地覆被分类应用还比较少。本文将综合研究它们在MODIS在大尺度土地利用/土地覆被分类中的作用。
　　2、分类方案的确定:对影像特征进行分类特征组合，确定分类方案。
　　3、训练样本的选择:训练样区是分类器进行分类的基础数据，它质量的好坏直接影响分类器的表达。在训练样本选择时要考虑到各分类器对训练样本的要求。通过对训练样本的定量分析计算各类别的J-M距离，不断进行试验调整选择符合要求的训练样本。
　　4、分类器的选择:在土地利用/土地覆被研究中，从传统的监督分类、非监督分类到决策树分类、神经网络、支持向量机、面向对象分类法、专家系统分类、多分类器分类等多种方法。每种分类方法都不是万能的，都有其优势和缺点。本文选择了最大似然法、马氏距离法、CART决策树法、支持向量机，其中支持向量机又包括Linear线性核、Poly多项式、RBF核、Sigmoid核四种核函数。结果显示支持向量机的总精度最高，CART决策树法次之，马氏距离法最低。

目录

声明

摘要

1 绪论

1．1 研究背景和选题依据

1．2 国内外土地利用／土地覆被分类研究

1．3 MODIS影像在大尺度土地分类中的应用

1．4 研究目标和研究内容

2 研究区概况、数据预处理及研究方案

2．1 研究区概况

2．2 数据预处理

2．3 研究方案及技术路线

3．遥感影像多特征提取

3．1 土地利用／土地覆被分类系统简介

3．2 华东地区土地利用／土地覆被分类系统的建立

3．3 影像多特征选择与提取

4 土地利用／土地覆被信息提取

4．1 训练样本的选取及分析

4．2 基于监督分类的土地利用／土地覆被信息提取

4．3 CART决策树分类

4．4 支持向量机(SVM)

4．5 华东土地利用／土地覆被分类精度评价及结果分析

5 结论

5．1 结论

5．2 问题

参考文献

致谢

攻读学位期间发表的论文