為了能夠獲取研究區(qū)耕地、草地、林地、裸地、沙地、水體、建設(shè)用地這七種土地利用覆蓋類型的動態(tài)變化,本文利用光譜、紋理以及地形共計25個特征作為分類特征變量,基于面向?qū)ο蠓指?利用隨機(jī)森林(RF)分類算法對研究區(qū)2010年和2017年兩個時相的Landsat TM和OLI遙感影像進(jìn)行分類處理,并對分類結(jié)果建立混淆矩陣作出分類精度評價,測試出分類器總體分類精度達(dá)到94.95%,Kappa系數(shù)為0.94,表明了面向?qū)ο蠼Y(jié)合隨機(jī)森林的分類算法可有效應(yīng)用于荒漠化地區(qū)地物的分類。通過對隨機(jī)森林分類模型進(jìn)行特征重要性評價,發(fā)現(xiàn)對模型分類精度影響較大的有Landsat OLIBB波段、PC1的均值特征、歸一化差異植被指數(shù)(NDVI)、BSWIR1波段、纓帽變化的綠度特征波段等特征變量。土地利用覆蓋變化檢測時,對分類結(jié)果中各地物類型覆蓋的總面積分析可知沙地面積從2010年的461.84km2減少到2017年的206.76km2,共計減少255.08km2。其主要轉(zhuǎn)化對象是裸地和草地,對應(yīng)轉(zhuǎn)化面積分別為129km2和41.26km2,一定程度上反映了研究區(qū)近年來對于荒漠化重點地物類型沙地的治理效果。另一種荒...

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２研究區(qū)時序影像??

選取秋或春季的影像作為數(shù)據(jù)源來進(jìn)行荒漠化動態(tài)監(jiān)測。綜合影像成像時間以及遙感影像云量覆??蓋度等因素，最終選取２０１０年７月１７日Ｌａｎｄｓａｔ?ＴＭ和２０１７年９月６日Ｌａｎｄｓａｔ?ＯＬＩ共兩幅影像??作為本次研宄的數(shù)據(jù)源進(jìn)行后續(xù)的土地利用分類及變化檢測和荒漠化信息的提取。圖２....

圖2-3大氣校正前后波段對比(左W翻閣翻口擊《助m)

２．２．３圖像融合??隨著衛(wèi)星科技的進(jìn)步，遙感影像的數(shù)據(jù)源也越來越豐富。不同的衛(wèi)星傳感器影像有著不同的??時間、空間和光譜分辨率。僅僅使用單一的遙感影像數(shù)據(jù)源通常圖像信息量有限，難以滿足實際??應(yīng)用的需求，因此可以通過從不同衛(wèi)星傳感器獲取的圖像來獲得更多的可利用信息，彌補單一傳?....

圖３－１?２０１７年和２０１０年研究區(qū)分類結(jié)果圖??通過對研究區(qū)的分類結(jié)果利用驗證樣本建立混淆矩陣，計算出基于面向?qū)ο蟮碾S機(jī)森林分類??

寧夏大學(xué)碩士學(xué)位論文?第三章隨機(jī)森林分類方法的實現(xiàn)及土地利用變化檢測??Ｋａｐｐａ?＝?——???（３－１０）??Ｎ：－兔｛ｘｉ＋ＸＪ??ｉ＝＼??其中ｉＶ?＝?１１代表驗證樣本總像元數(shù)；與ｘ＋ｉ則分別代表第ｉ行和第ｉ列的總像元個數(shù)。??ｉ－＼?ｊ－＼??Ｋａｐｐａ系數(shù)對正確分類....

圖３－２林地與草地波譜曲線對比圖??－２０－??

通過分類結(jié)果混淆矩陣可以看出，所分地物類別中水體和耕地的分類精度最高，分別達(dá)到??９９．６４％和９９．４１％，而草地的分類精度在所有的分類類別中處于最低，分類精度為９０．９３％，其錯??誤的分類中的大多數(shù)都分類到了林地，通過圖３－２中林地和草地的波譜曲線對比，發(fā)現(xiàn)兩種地物??類別....

本文編號：3958394