本文關(guān)鍵詞： 土地利用變化 最大似然法 IsoData法 決策樹分類法 Kappa系數(shù)　出處：《西北農(nóng)林科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：土地資源是人類社會發(fā)展的最關(guān)鍵的資源。土地利用變化與生產(chǎn)經(jīng)營活動和生態(tài)環(huán)境變化有著緊密的聯(lián)系,是地表結(jié)構(gòu)巨大變化和物質(zhì)循環(huán)與能量流動的最主要原因。隨著經(jīng)濟(jì)發(fā)展和和城鎮(zhèn)化的加劇,導(dǎo)致城市對土地的占用量日益增加,農(nóng)田面積一直在減少,同時(shí)人口的增長也導(dǎo)致人均擁有土地面積不斷降低。土地利用信息的快速提取,包括對耕地、建設(shè)用地、林地及水系信息等將為土地資源開發(fā)利用和土地規(guī)劃提供服務(wù)。本研究選擇西寧市為研究區(qū),以Landsat8 OLI遙感數(shù)據(jù)為信息源,結(jié)合實(shí)地樣點(diǎn)調(diào)查數(shù)據(jù),在遙感圖像處理系統(tǒng)(ENVI)支持下,在深入探討土地利用信息提取方法及優(yōu)選基礎(chǔ)上,獲得了研究區(qū)土地利用信息,為西寧市城市建設(shè)規(guī)劃和發(fā)展提供參考。本研究獲得以下幾點(diǎn)結(jié)論:(1)基于ENV軟件平臺提取土地利用信息的分類方法主要有監(jiān)督分類和非監(jiān)督分類,常用的方法為最大似然法和IsoData法,都是基于光譜特征的分類方法,很少引入客觀條件。而基于決策樹的分類方法對遙感知識不用有較深的理解,基于多樣的限制條件進(jìn)行分類。(2)研究基于西寧市主城區(qū)的研究,分析比較決策樹分類法、最大似然法和Isodata法三種分類方法的分類精度,其Kappa系數(shù)分別為0.9456、0.6276和0.4123,表明基于決策樹的分類方法是更具有借鑒意義的。(3)在研究目標(biāo)區(qū)域進(jìn)行土地覆蓋利用信息的提取時(shí),最大似然法和IsoData分類方法精度偏低不可以進(jìn)行使用,而決策樹分類法的分類精度高可以進(jìn)行使用,總精度分別為74.49%、60.50%、96.57%。從目視角度來看,最大似然法和IsoData分類法與參考影像的實(shí)際吻合度也比較低,而決策樹分類法的與參考影像的實(shí)際吻合度較高,能夠較正確的劃分出地類。(4)雖然使用決策樹分類方法得到結(jié)果分類精度最高,與最大似然法相比,其總體精度和Kappa系數(shù)分別提高了22.08%和31.80%;與IsoData分類法相比,其總體精度和Kappa系數(shù)分別提高了36.07%和53.33%。但是對不同土地利用分類進(jìn)行綜合詳細(xì)的分析之后可以看出并不是每一種類型都是決策樹分類法的分類精度高,例如水系的使用精度就較低,決策樹分類方法的分類結(jié)果中同樣也有很多錯(cuò)分誤分的像元存在,還有提高的余地,所以精度高也只是一個(gè)相對的概念。(5)決策樹分類法的總體精度和Kappa系數(shù)總體都比較高,但是他自身的運(yùn)算過程復(fù)雜,耗時(shí)長對電腦的配置要求較高,其實(shí)時(shí)性比較差,不能做到隨用隨做。相比較而言最大似然法運(yùn)算快,對配置要求不高,得出結(jié)果報(bào)告的用時(shí)少,在實(shí)時(shí)性上比較好,并且如果更加精細(xì)的選取訓(xùn)練樣區(qū)分類結(jié)果應(yīng)該還會有比較明顯的提升,其也是一種很不錯(cuò)的分類方法,實(shí)踐應(yīng)用性比較強(qiáng)。
[Abstract]:Land resources are the most important resources for the development of human society. Land use change is closely related to production and management activities and ecological environment change. It is the most important reason for the great change of the surface structure and the material circulation and energy flow. With the development of economy and the intensification of urbanization, the amount of land occupied by cities is increasing day by day, and the area of farmland has been decreasing. At the same time, the increase in population has also led to a continuous decline in the area of land ownership per capita. The rapid extraction of land use information, including arable land and construction land, The information of woodland and water system will provide service for the development and utilization of land resources and land planning. In this study, Xining City is selected as the study area, Landsat8 OLI remote sensing data is used as the information source, and the field sample survey data are combined. With the support of remote sensing image processing system (ENVI), the land use information in the study area was obtained on the basis of deeply discussing the methods of extracting and selecting land use information. In this study, the following conclusions are obtained: (1) based on ENV software platform, the classification methods for extracting land use information are mainly supervised classification and unsupervised classification. The commonly used methods are maximum likelihood method and IsoData method, which are based on spectral features and seldom introduce objective conditions. However, the classification method based on decision tree does not need to have a deeper understanding of remote sensing knowledge. Based on the research of Xining city, the classification accuracy of three classification methods, decision tree classification, maximum likelihood method and Isodata method, is analyzed and compared. The Kappa coefficients were 0.94560.6276 and 0.4123respectively, which indicated that the classification method based on decision tree was more meaningful. The maximum likelihood method and IsoData classification method could not be used when extracting land cover information from the target area. The decision tree classification method can be used with high classification accuracy, the total accuracy is 74.490.50 and 96.577.From visual point of view, the maximum likelihood method and IsoData classification method have lower actual agreement with the reference image. The decision tree classification method has a higher actual consistency with the reference image, and can be correctly divided into ground classes. (4) though the decision tree classification method is used to obtain the highest classification accuracy, compared with the maximum likelihood method, the decision tree classification method is more accurate than the maximum likelihood method. The overall precision and Kappa coefficient were increased by 22.08% and 31.80, respectively. The overall precision and the Kappa coefficient were increased by 36.07% and 53.33.However, after comprehensive and detailed analysis of different land use classification, it can be seen that not every type is the decision tree classification method with high classification accuracy. For example, the accuracy of water systems is low, and there are also many misclassified pixels in the classification results of the decision tree classification method, and there is room for improvement. Therefore, high precision is only a relative concept. (5) the overall precision and Kappa coefficient of the decision tree classification method are relatively high, but its own operation process is complex, the time consuming is high for the configuration of the computer, and its real-time performance is relatively poor. Compared with the maximum likelihood method, the maximum likelihood method has the advantages of fast operation, low requirements for configuration, less time to get the result report, and better real-time performance. And if more fine selection of training sample areas classification results should also have a more obvious improvement, it is also a very good classification method, practical application is relatively strong.
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F301.2;S127

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫賢斌;劉紅玉;李玉鳳;郝敬鋒;;基于CA-Markov模型土地利用對景觀格局影響辨識[J];生態(tài)與農(nóng)村環(huán)境學(xué)報(bào);2009年01期

2 孫賢斌;劉紅玉;;人為干擾對鹽城自然保護(hù)區(qū)核心區(qū)景觀演變的影響[J];生態(tài)與農(nóng)村環(huán)境學(xué)報(bào);2011年03期

3 梅榮;阿如旱;田恩來;;內(nèi)蒙古多倫縣土地利用景觀格局變化分析[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2013年01期

4 麻德明;石洪華;劉世昊;田梓文;;快速城市化進(jìn)程中海島景觀格局演變及驅(qū)動機(jī)制——以大長山島為例[J];海洋環(huán)境科學(xué);2015年02期

5 申丹;常禹;胡遠(yuǎn)滿;陳探;焦琳琳;李春林;史雅娟;王鐵宇;;遼寧沿海地區(qū)景觀格局變化及驅(qū)動力分析[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2015年05期

6 蒙吉軍;嚴(yán)汾;趙春紅;;大城市邊緣區(qū)土地利用變化模擬研究——以北京市昌平區(qū)為例[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2010年02期

7 鄭青華;羅格平;朱磊;周德成;;基于CA_Markov模型的伊犁河三角洲景觀格局預(yù)測[J];應(yīng)用生態(tài)學(xué)報(bào);2010年04期

8 郗鳳明;胡遠(yuǎn)滿;賀紅士;石鐵矛;布仁倉;吳曉青;朱京海;;基于SLEUTH模型的沈陽-撫順都市區(qū)城市規(guī)劃[J];中國科學(xué)院研究生院學(xué)報(bào);2009年06期

9 許文寧;王鵬新;韓萍;嚴(yán)泰來;張樹譽(yù);;Kappa系數(shù)在干旱預(yù)測模型精度評價(jià)中的應(yīng)用——以關(guān)中平原的干旱預(yù)測為例[J];自然災(zāi)害學(xué)報(bào);2011年06期

10 蔡衛(wèi)紅;王曉紅;于宏洲;金森;;基于Rothermel模型的可燃物參數(shù)對林火行為影響的計(jì)算機(jī)仿真[J];中南林業(yè)科技大學(xué)學(xué)報(bào);2013年11期

相關(guān)會議論文 前4條

1 王凈;董尚力;景元書;李亞春;;基于MODIS數(shù)據(jù)的水體識別方法研究[A];中國氣象學(xué)會2007年年會生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會場論文集[C];2007年

2 張國平;;滑坡災(zāi)害易發(fā)程度評價(jià)檢驗(yàn)與對比[A];S12 水文氣象、地質(zhì)災(zāi)害氣象預(yù)報(bào)與服務(wù)[C];2012年

3 黃超;唐南奇;;基于CA-Markov模型的土地利用景觀格局動態(tài)模擬研究——以永春縣為例[A];福建省土地學(xué)會2011年年會論文集[C];2011年

4 唐南奇;黃超;張黎明;;復(fù)合因子元胞自動機(jī)模型構(gòu)建與福州城市拓展用地變化模擬[A];福建省土地學(xué)會2012年年會論文集[C];2012年

相關(guān)博士學(xué)位論文 前9條

1 李海光;黃土高原呂二溝流域環(huán)境演變的生態(tài)水文響應(yīng)[D];北京林業(yè)大學(xué);2011年

2 鮑文東;基于GIS的土地利用動態(tài)變化研究[D];山東科技大學(xué);2007年

3 岳超俊;中原城市群地質(zhì)災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究[D];中國地質(zhì)大學(xué)（北京）;2009年

4 趙志軒;白洋淀濕地生態(tài)水文過程耦合作用機(jī)制及綜合調(diào)控研究[D];天津大學(xué);2012年

5 趙梅芳;湖南省森林碳平衡空間分異及對氣候響應(yīng)的模擬預(yù)測[D];中南林業(yè)科技大學(xué);2013年

6 崔曉臨;秦嶺地區(qū)土地利用/覆被變化及水熱環(huán)境響應(yīng)[D];西北大學(xué);2013年

7 張華兵;自然和人為影響下海濱濕地景觀演變特征與機(jī)制研究[D];南京師范大學(xué);2013年

8 祖皮艷木·買買提;基于生態(tài)服務(wù)價(jià)值理論的焉耆盆地生態(tài)安全研究[D];新疆大學(xué);2014年

9 胡承江;基于動態(tài)數(shù)據(jù)分析的北京市永定河流域城市景觀生態(tài)系統(tǒng)演變研究[D];北京林業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 薛曉坡;長株潭核心區(qū)森林景觀動態(tài)變化分析[D];中南林業(yè)科技大學(xué);2009年

2 董祺;測量系統(tǒng)分析方法的研究及應(yīng)用[D];西安電子科技大學(xué);2011年

3 黃超;基于CA-Markov模型的福州市景觀格局動態(tài)模擬研究[D];福建農(nóng)林大學(xué);2011年

4 張燕;基于3S技術(shù)的珠江口海島自然旅游資源特征與動態(tài)變化[D];廣州大學(xué);2011年

5 吳學(xué)軍;城市TM遙感圖像分類方法研究[D];廣西師范大學(xué);2007年

6 楊冰;基于不同分類方法土地利用/覆蓋分類精度分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2008年

7 閻曉娟;田塊尺度作物長勢與空間變異遙感監(jiān)測研究[D];西安科技大學(xué);2008年

8 趙燕;屬性值測量系統(tǒng)分析的方法研究與應(yīng)用[D];天津大學(xué);2007年

9 喻琴;基于決策樹模型的喀斯特石漠化光譜信息自動提取研究[D];貴州師范大學(xué);2009年

10 呂紅梅;基于CBERSO2B和SAR的喀斯特地區(qū)土地利用景觀格局研究[D];貴州師范大學(xué);2009年

，

本文編號：1544042