基于遙感指數(shù)地物信息提取方法對(duì)比研究.pdf

1、自20世紀(jì)90年代以來，土地利用和土地覆蓋變化已經(jīng)成為全社會(huì)關(guān)注的熱點(diǎn)問題。哈爾濱市是黑龍江省省會(huì)，經(jīng)濟(jì)發(fā)展迅速，近年來土地利用/土地覆蓋變化較快。本研究以哈爾濱市中心城區(qū):南崗區(qū)、道里區(qū)、道外區(qū)、香坊區(qū)、平房區(qū)、呼蘭區(qū)、松北區(qū)等七個(gè)區(qū)為研究區(qū)，采取現(xiàn)今使用最廣泛的遙感分類方法提取土地利用信息進(jìn)行區(qū)域的土地利用信息提取對(duì)比研究。選取Landsat-8多光譜影像為數(shù)據(jù)源;基于最大似然法、決策樹、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等監(jiān)督分類方法，以地

2、物光譜、遙感特征指數(shù)和空間特征指數(shù)作為變量提取地物類型信息。對(duì)比分析基于單純地物光譜遙感分類與基于指數(shù)的遙感分類兩種方法在土地利用信息提取中的精度，以期為更好地協(xié)調(diào)哈爾濱市土地利用與城市擴(kuò)展提供數(shù)據(jù)支持。主要研究結(jié)果如下:
　　1、基于單純地物光譜的最大似然法、決策樹分類法、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等遙感分類方法提取哈爾濱市土地利用信息，結(jié)果顯示總體分類精度依次為:決策樹分類法(83.09％)＞人工神經(jīng)網(wǎng)絡(luò)(82.18％)＞支持向

3、量(81.84％)＞最大似然法(76.13％)。
　　2、基于最大似然法、決策樹分類法、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等遙感分類方法，改變輸入特征變量提取哈爾濱市土地利用信息。結(jié)果顯示:基于指數(shù)的遙感分類方法與基于單純地物光譜的遙感分類方法相比，大部分基于指數(shù)的遙感分類方法相比基于單純地物光遙感分類方法精度有所提高。
　　3、根據(jù)特征指數(shù)對(duì)最大似然法、決策樹分類法、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)4種遙感分類方法分類精度影響的差異，將4種

4、分類方法各篩選出4組變量組合，進(jìn)而提取研究區(qū)土地類型信息?；趩渭兊匚锕庾V遙感分類與基于指數(shù)的遙感分類方法精度比較結(jié)果顯示:最大似然法分類總體精度和Kappa系數(shù)最少提高了6.31％、0.08;最多提高了7.42％、0.09;決策樹分類方法分類總體精度和Kappa系數(shù)最少提高了0.8％、0.08;最多提高了2.92％、0.01;支持向量機(jī)總體精度和Kappa系數(shù)最少提高了1.71％0.03;最多提高了1.96％、0.03;人工神經(jīng)網(wǎng)絡(luò)總