基于變端元SOM神經網絡的城市非滲透面估計方法研究.pdf

1、由于人口劇增和工業(yè)化發(fā)展，盲目的加快城市化步伐將影響區(qū)域生態(tài)環(huán)境與社會經濟的可持續(xù)發(fā)展。非滲透面正是表征城市化及其生態(tài)環(huán)境的的重要參數。由于城市區(qū)域的復雜性，利用遙感技術定量提取地表參數成為當前研究的熱點之一。
　　 本研究以長沙市城區(qū)為例，針對中等分辨率遙感影像在城市中存在的混合像元問題，以V-I-S模型為基礎，探討子像元混合像元分解方法。應用SOM神經網絡對實驗區(qū)進行土地覆蓋分類，并運用模糊集理論與SOM神經網絡進行子像元分

2、解，再結合交叉相關光譜匹配算法進行變端元的混合像元分解。主要研究工作包括：
　　 (1)將非監(jiān)督SOM神經網絡改進為監(jiān)督SOM神經網絡，并在MATLAB R2009a的開發(fā)語言環(huán)境中開發(fā)實現(xiàn)。實驗結果表明，基于監(jiān)督SOM神經網絡的城市土地覆蓋分類總體精度(90.7317％)和Kappa系數(0.8272)均高于用傳統(tǒng)方法的分類精度(波譜角距離總體精度為89.7561％、支持向量機總體精度為86.3415％、BP神經網絡總體精度為

3、85.8537％、最大似然法總體精度為74.1463％)。
　　 (2)結合模糊集理論和SOM神經網絡進行實驗區(qū)域遙感影像的混合像元分解，在MATLAB R2009a環(huán)境中開發(fā)實現(xiàn)，獲得四種土地覆蓋類型的分量圖以及非滲透面分量圖，其結果的均方根誤差為0.2215。
　　 (3)在利用SOM神經網絡進行混合像元分解的基礎上，結合交叉相關光譜匹配算法，進行端元變化的混合像元分解，在MATLAB R2009a環(huán)境中開發(fā)實現(xiàn)，獲