论文部分内容阅读
利用遥感技术调查森林资源具有宏观、全面、短周期、可重复性和低成本的特点,所以遥感技术在森林资源调查和监测中具有重要的作用和地位。但目前遥感技术在森林资源调查和监测中还存在很多技术问题需要解决,特别是在森林分布破碎化程度较高的四川丘陵地区,应用现有的遥感影像分类方法开展森林资源调查,往往造成分类精度不高,分类结果应用性不强,导致分类后需要进行大量的人工目视修改,加大了调查工作量。因此,研究四川省丘陵区林地遥感分类的方法和技术成为了该区域森林资源调查和监测亟待解决的问题。本研究利用SPOT-5遥感数据,以四川省丘陵区南部县建兴镇为研究对象,重点研究了遥感分类中的几个主要问题,包括确定最佳波段组合、遥感分类实现以及最大似然、支持向量机和决策树3种分类方法的精度评价比较。取得了以下主要结果:(1)分别对研究区的SPOT-5影像各波段信息量、标准差、相关性等特征值进行统计分析。通过定性分析和最佳指数因子OIF值计算,结果表明SPOT-5遥感影像的123波段是一种最佳的3波段组合方式,具有最大的信息量和最少的信息冗余度。(2)在ENV14.4遥感处理软件的支持下,选取最大似然分类、支持向量机分类和决策树分类3种不同的分类方法进行了遥感分类试验,得到分类结果图,最后采用总体分类精度和kappa系数对3种方法的分类结果进行精度验证和适用性评价。3种分类方法的总体分类精度大小依次是最大似然分类(80.83%)<支持向量机分类(85%)<决策树分类(89.24%),3种方法的总体精度计算都达到80%以上,kappa系数也在0.7以上,满足分类要求。(3)适用性分析结果表明:最大似然分类法和支持向量机分类法的精度都较低,决策树分类法的精度最高,乔木林、竹林、疏林地、水域、建设用地和耕地的分类精度分别达到96%、89%、82%、93%、98%和80%。综合分析表明,本次研究最大似然分类法分类精度较低,支持向量机分类法和决策树法分类精度较高,决策树分类的总体分类精度达到89.24%,kappa系数达到0.8581,其适用性精度也达到80%以上。这说明,基于知识结合归一化植被指数和纹理特征值的决策树分类方法适用于四川省丘陵区遥感林地分类。