论文部分内容阅读
随着遥感技术的发展,多平台、多传感器、多光谱和高光谱数据应用越来广泛。土地利用分类是研究土地资源,进行土地评价和土地利用/土地覆盖变化等研究的基础。美国陆地资源卫星Landsat7-ETM+数据是目前应用最广泛的遥感数据,ASTER来自TERRA卫星,相对ETM+数据具有更多光谱分辨率和空间分辨率,同时也是针对陆地地面资源调查的一种较新资料。
本研究从ASTER数据和TM/ETM+数据分析广州花都区土地利用分类中的应用对比分析。根据国家土地利用分类标准指导,结合研究区实际,将花都区土地利用类型分为城镇、林地、园地、耕地、基塘、水体和开发区7大类。最大似然法分是常规遥感图像最常用、最有效的分类方法。首先通过最大似然法对花都区ASTER和ETM+数据进行监督分类,总体分类精度ASTER为0.91,ETM为0.89。通过花都辖区内的8个镇的分析对比和7大地物类别的分别进行了比较分析,结果表明在该地区,土地利用类型分类中同样的分类方法ASTER相对ETM+总体具有优势,但在部分土地类型(城镇,耕地)中ETM+精度更高;土地利用构成简单的镇区如梯面、花山,ASTER分类结果明显优于ETM+图像。结合土地利用图和更高分辨率的IKNOS影像,采用了混淆矩阵法和随机采样两种方法,分析了两者分类精度的比较研究,结果表明二者分类精度达到了土地利用分类要求。比较每类地物类型及误分象元的植被指数、高程、坡度、坡向等指数的统计结果发现,光谱接近的林地和园地主要是没有考虑高程,而基塘和水体虽然NDVI有些差别,开发区和耕地及园地的误分很大程度上是将裸地和开发区分在同一类中。
文章还对两种数据进行了集中不同分类器的结合试验,并对其分类精度进行了比较研究和结合1988、1998年研究区TM图像进行了花都区土地利用变化检测研究。