針闊混交林TM遙感圖像自動分類識別技術研究.pdf

1、本研究以林業(yè)發(fā)展需求為切入點，適時地選擇典型針闊混交林TM遙感圖像為研究對象，把提高其自動分類識別精度做為研究的目的。以吉林省汪清林業(yè)局的TM遙感圖像為實例，在對傳統(tǒng)自動分類識別技術進行試驗、精度分析的基礎上，本研究開發(fā)出適用于針闊混交林區(qū)遙感圖像的專家分類識別系統(tǒng)和神經(jīng)網(wǎng)絡分類識別系統(tǒng)。分類結果表明，應用這兩種新的自動分類技術后，遙感圖像的分類精度都較傳統(tǒng)方法有大的提高，達到了區(qū)分研究區(qū)森林類型的分類目的。為林業(yè)部門在遙感應用上提供了

2、新技術，具有十分重要的理論和實踐意義。本研究的主要內容和結論歸納如下： (1)GIS輔助的專家分類識別系統(tǒng)是比較好的應用于針闊混交林TM遙感圖像的自動分類技術。在GIS的輔助下，把與森林植被分布密切相關的數(shù)字高程模型數(shù)據(jù)、坡向、土壤類型等地學知識信息與經(jīng)過預分類處理的圖像光譜信息綜合在一起形成知識庫，建立起專家分類識別系統(tǒng)。對研究區(qū)進行森林類型分類試驗表明，該系統(tǒng)的總體分類精度為81.67％，總體Kappa指數(shù)為0.7556，分

3、類精度比傳統(tǒng)技術提高了14.22％，分類專題圖質量很好，達到了區(qū)分森林類型的分類目的。 (2)改進型BP神經(jīng)網(wǎng)絡分類識別系統(tǒng)在遙感圖像的自動分類識別上有廣闊的應用前景。本研究通過輸入矢量歸一化處理和主成份分析、改進訓練學習算法、擴大網(wǎng)絡規(guī)模等措施，對標準BP神經(jīng)網(wǎng)絡進行改進，使改進后的系統(tǒng)分類精度有明顯的提高，總體分類精度達到76.00％，總體Kappa指數(shù)為0.6800，比改進前提高了19.14％。即展示了其應用于針混交林TM