论文部分内容阅读
土地覆盖数据是地球科学众多领域研究的基础数据,在地理学、大气科学、农学、林学等领域具有重要应用。土地覆盖分类是土地覆盖研究中的基础性工作,利用遥感技术获取土地覆盖数据已成为大尺度土地覆盖研究中的热点。我国自主研制的新一代极轨气象卫星FY-3A发射成功,其装载的中分辨率光谱成像仪(MERSI)具有可见光、近红外、热红外等多个通道,为大尺度的土地覆盖分类提供了重要数据源。本文基于MERSI反射率、植被指数、亮温和DEM数据,选用最大似然法、BP神经网络法和支持向量机法作为分类方法,在吉林省、江苏省、湖北省、青海省和广东省5个试验区,开展土地覆盖分类预试验。分析分类结果,确定分类精度最高的分类方法,并用于整个中国区域土地覆盖分类。本文得到以下主要结论：(1)根据MERSI数据特点,前5波段具有250米空间分辨率,将1-5波段的反射率、植被指数、亮温、DEM数据作为分类特征,能有效地选取样本,从而更快更好的对研究区进行土地覆盖分类。(2)分类方法的选择能有效地提高分类精度。本文基于MERSI L1数据,利用最大似然法、BP神经网络法和支持向量机法对不同季节不同时间点的吉林省、江苏省、湖北省、青海省和广东省5个试验区进行土地覆盖分类,从得到的混淆矩阵表可以看出,支持向量机的分类精度最高,故在整个中国区域的土地覆盖分类中选用支持向量机法作为分类方法。(3)基于2012年2月、2012年4月、2012年8月、2012年11月MERSI植被指数月产品,采用支持向量机法进行土地覆盖分类研究,最终得到4个不同季节的分类结果,并利用比较分析法和农作物地面实测点对分类结果进行精度验证。从面积一致性分析来看,4个月的分类结果与对应时段的VIRR土地覆盖日产品总体上保持一致,4个月的相关系数都很高,最高的为4月份,R2为0.9294；从混淆矩阵分析来看,4个月的总体精度都保持在80%,其中2月份的总体精度最高,达到了82.6268%,Kappa系数为0.7962；从农用地与中国农作物生长发育和农田土壤湿度旬数据集农作物地面采样点的一致性来看,4个月的农用地与农作物地面采样点很好的吻合,保持在90%左右。精度验证结果表明,MERSI资料及支持向量机方法能应用在大尺度宏观土地覆盖分类中。