坡度的提取

风靡全球

坡度的提取

坡度是描述地形的主要参数,地面坡度是表示地表面斜坡的倾斜程度。空间曲面是点位的函数曲面是平面时例外,在不同位置的坡度是不同的。由于点的坡度无实用价值,通常用平均坡度来描述地面的坡度。平均坡度可以取点坡位度的平均值,但更多的是用曲面的拟合平面的倾斜度来表示曲面的斜度。

坡向的提取

坡向就是指坡面的朝向。在模型中坡向是指地表法线在水平面上的投影坐标的方位角。在地学领域中,通常根据法线在水平面上的投影位置,将其分为阳坡、阴坡、半阳坡和半阴坡。由于不同坡向的地面上,光照、风速等的不同,直接影响着植被、土壤及生态环境,因此,通常需要计算斜坡的坡向,并对土地按坡向进行分类。本文利用研究区域的数据提取坡向图作为研究的地形因子。需要注意的是该因子为定性因子,需要进行数量化。提取的坡向图。

遥感图像分类分析

土地覆盖分类指将同样或类似的空间现象化为一组,消除个体而概括出一般性的方法。从遥感图像转变成土地覆盖类型定性数据,尽管图像上原有的丰富数字信息丢失了,但简化了空间细节,是进行其它专题分析,包括生物量分析的基础。

分类方法的选择

遥感图像分类是影像信息提取的一种方法,是遥感数字图像处理的重要环节,也是遥感应用最广泛的领域之一。图像分类是通过模式识别理论,利用计算机将遥感图像自动分成若干地物类别的方法。通常有三种识别类型光谱模式识别,即指根据像元到像元的光谱信息来自动划分地物类型的分类过程空间模式识别,即根据像元和它周围像元的空间关系来进行空间分类,需要同时考虑影像的结构、像元的近似度、特征的大小、形状、方向性、重复度和上下关系等时间模式识别,即在特征鉴别中将时间作为一种辅助信息。多光谱遥感图像分类是以每个像元的多光谱矢量数据为基础进行的,遥感图像上地物的光谱特征通常是不同的地物在同一波段图像上表现的亮度一般互不相同同时,不同地物在各个波段图像上亮度呈现的规律也不同,这就构成了区分不同图像地物的依据。

根据是否需要分类人员事先提供已知类别及其训练样本,对分类器进行训练和监督。可将遥感图像分类方法划分为监督分类和非监督分类。事先已经知道类别的部分信息即类别的先验知识,对未知类别的样本进行分类的方法称之为监督分类。事先没有类别的先验知识,对求知类别的样本进行分类的方法称之为非监督分类。本研究选择了监督分类的最大似然判别法通过地物的多光谱特征进行遥感分类。

最大似然法也称为分类,是典型的和应用最广的监督分类方法。它建立在准则的基础上,偏重于集群分布的统计特性,分类原理是假定训练样本数据在光谱空间的分布是服从高斯正态分布规律的,做出样本的概率密度等值线,确定分类,然后通过计算标本像元属于各组类的概率,将标本归属于概率最大的一组。用最大似然法分类,首先确定各类的训练样本,再根据训练样本计算各类的统计特征值,建立分类判别函数,最后逐点扫描影像各像元,将像元特征向量代入判别函数,求出其属于各类的概率,`将待判断像元归属于最大判别函数值的一组。但是,如果图像数据在特征空间中分布比较复杂,离散或采集的训练样本不够充分,不具代表性,通过直接手段来估计最大似然函数的参数,就有可能造成与实际分布的较大偏差,导致分类结果精度下降。陈敬柱,贺瑞霞,郭恒亮通过对最大似然法在植被信息识别提取中的研究提出了先主要后次要的,层次化推进的原则,在实践中的得到了较好的应用效果。

遥感影像分类

本研究主要针对大兴安岭的塔河和阿木尔地区,由于自然状况的原因,该地森林森林覆盖率达以上,因此本研究考虑研究区的自然条件建立分类体系。本文的解译分类系统的总原则是在国家或有关部门分类标准的规范下,根据解译对象的特点和要求,最大限度的使用遥感信息,综合考虑国家分类标,并结合实际情况,将大兴安岭地区的土地利用类型分为植被、水体、裸地和居民用地四类。

应用监督分类后,分类结果中都会产生一些面积很小的图斑。无论从专题厂制图的角度还是从实际应用角度,都有七必要对这些小图斑进行剔除,应用毛系统中的分析功能对分类结果进行聚类统计,按照邻域统计出较小的斑块。利用进行去除分析,将小图斑合并到相邻的最大分类当中。利用个随即样点评价分类精度,本研究分类模板最终分类精度为,符合研究需要。

确定判别函数和判别规则

对非训练区进行分类

人工干预、分类后处理

精度评价

图分类流程图

" S  M  z, {3 j4 r

建模人生

还不错
1 R% l2 s' l& T4 [' V

建模人生

继续努力吧

建模人生

加油

风靡全球

加油
7 @- j' c* ]9 }
9 J: d- n8 t) V: S& L# o4 q