基于MODIS數(shù)據(jù)的中國區(qū)域土地覆蓋分類研究.pdf

1、土地覆蓋類型識別是土地覆蓋/土地利用研究中的首要基礎(chǔ)性內(nèi)容，而在區(qū)域及其全球尺度區(qū)域通過遙感手段獲取細(xì)致、準(zhǔn)確而實時的土地覆蓋數(shù)據(jù)已成為當(dāng)前全球變化研究中的熱點。中國作為全球變化研究的重要部分，在獲取大面積的土地覆蓋數(shù)據(jù)研究中則顯得相對滯后。本文在新一代MODIS(中分辨率成像光譜儀)遙感數(shù)據(jù)的支持下，采用國際上先進的遙感理論技術(shù)和方法，對中國區(qū)域21世紀(jì)初的宏觀土地覆蓋分類進行了較為系統(tǒng)的研究和探討。 通過此次工作可以得到如下

2、結(jié)論： 1、對研究區(qū)域地學(xué)背景知識和專業(yè)知識等先驗知識的獲取和了解有助于有效的分類特征選擇，而基于MODIS數(shù)據(jù)從中選擇和提取的多種分類特征能明顯提高區(qū)域尺度土地覆蓋分類的精度，這些分類特征包括了反射率、植被指數(shù)、濕度/水體指數(shù)、紋理特征及陸面溫度等特征，但分類特征的加入并不一定能提高某些類別的分類精度。 2、良好分類器和先進技術(shù)的運用對提高影象分類精度具有重要意義。在本文分類試驗中，以概率統(tǒng)計理論為基礎(chǔ)的Parzen窗

3、分類器表現(xiàn)最優(yōu)，徑向基RBF神經(jīng)網(wǎng)絡(luò)也表現(xiàn)出良好效果，CART決策樹、BP神經(jīng)網(wǎng)絡(luò)、C4.5決策樹表現(xiàn)則好于傳統(tǒng)的最大似然法MLC，而以良好性能著稱的FuzzyARTMAP神經(jīng)網(wǎng)絡(luò)表現(xiàn)差于最大似然法MLC。同時在分類樹中引入近年發(fā)展起來的一種機器學(xué)習(xí)領(lǐng)域內(nèi)的增強技術(shù)-boosting技術(shù)，能明顯提高那些較難識別類別的分類準(zhǔn)確率。 3、總體上，非參數(shù)方法中Parzen窗能真實地逼近類概率密度而顯出其對復(fù)雜形式分布數(shù)據(jù)的良好分類能力

4、，有望在遙感圖像分類中進行推廣；CART決策樹則具有較好的彈性和魯棒性，但缺點是可能需大量樣本來探究各類別屬性間復(fù)雜關(guān)系；RBF、BP神經(jīng)網(wǎng)絡(luò)分類器雖能達(dá)到較高精度，但缺點是一方面需較高質(zhì)量的樣本，另一方面由于其網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)難以較優(yōu)確定其穩(wěn)健性較差，而FuzzyARTMAP則未能表現(xiàn)出理想結(jié)果。 4、考慮到樣本獲取的代價性，如何根據(jù)訓(xùn)練樣本的大小來選擇有效分類器是實際分類中需要解決的問題。在本文試驗中樣本大小對最大似然法MLC的

5、分類精度影響最小，不足5％；對Parzen窗、C4.5決策樹、FuzzyARTMAP神經(jīng)網(wǎng)絡(luò)影響居中，在5％-10％之間；而對CART決策樹、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)的分類精度較大，均在10％以上。 5、從生態(tài)系統(tǒng)觀點出發(fā)，依據(jù)MODIS數(shù)據(jù)而重新構(gòu)建的22類中國土地覆蓋分類體系具有可信性和可行性，與國內(nèi)外其它分類體系相比，不管在類型上還是定義上都有了更深的發(fā)展，并且在中國區(qū)域的分類試驗中能較好地反映中國土地覆蓋的實際情況。