土地利用信息提取

1、土地利用信息提取目录TOC o 1-5 h z流程图3 HYPERLINK l bookmark2 监督分类4 HYPERLINK l bookmark4 1镶嵌4 HYPERLINK l bookmark6 2裁剪4 HYPERLINK l bookmark8 3定义训练样本5 HYPERLINK l bookmark10 4绘制感兴趣区（ROI）6 HYPERLINK l bookmark12 5监督分类7 HYPERLINK l bookmark14 6精度评价8 HYPERLINK l bookmark26 决策树101建立决策树102分类结果10 HYPERLINK l bookma

2、rk28 监督分类与决策树分类区别11 HYPERLINK l bookmark30 制作专题图12疑问及错误操作错误!未定义书签。七总结错误!未定义书签。流程图图1上海市土地覆盖信息提取流程图二监督分类1镶嵌LE71180382002331EDC00.tar”和“LE71180392002315SGS00.tar”影像都为有投影信息影像，所以选用有地理参考的图像镶嵌对两幅影像进行镶嵌，图像镶嵌的原则是（1）几何配准（2）镶嵌边搜索（3）边缘平滑（4）调整色调与反差将两幅影像以432波段在mapbasicMosaic中显示，由于影像已有投影信息，直接设置影像的叠放次序，观察镶嵌边，进行镶嵌边边

3、缘平滑和色调设置，输出影像，得到镶嵌图像。如图2所示。图2影像镶嵌2裁剪裁剪包括规则分幅裁剪和不规则分幅裁剪。规则分幅裁剪需要行列号，左上角、右下角坐标。不规则分幅裁剪是根据所研究区域的形状手工绘制的一个任意多边形，多边形文件可以是事先绘制好的文件，也可以是临时绘制的ROI感兴趣区。利用ARCGIS软件对上海的矢量文件进行去代号处理，将结果与镶嵌影像叠合后，对影像进行裁剪，得到上海市范围影像。如图3所示。图3上海市裁剪结果3定义训练样本观察裁剪后的上海市范围影像，根据上海市的土地利用情况,我定义了林地、建筑用地、水系、耕地等四类样本数量。并建立感兴趣区（ROI）,如图4所示。24绘制感兴趣区（

4、ROI）在envi中，打开ROITOOL对话框，在主图像中绘制多边形感兴趣区，样本的数量要满足总像元的千分之一，以保证分类达到较高的精度要求。通过ROI可分离性计算评价训练样本确定分类是否合理，结果如图5图6所示。711|?0litesait(Bant5j;vL2)I-1.500;丄护图5样区分类散点图Window：i二ImaeScrollUZoom1_:Off疟I*rrrColorPixels|olyEonlyline|PointsGreen2,6998/2,69!0/00Red氐582g580/0(/Eire&T430和64310/00Yellow10,20na/10,210/00ROIN

5、anigFGotoDeleteFartStatsGrowDeleteEOTSeLectAllHideROlsShawROIrNewRegion图6定义训练样区5监督分类监督分类的思想是：首先根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别的样本的观测值求解待定参数的过程称之为学习或训练，然后将未知的样本的观测值代入判别函数，再依据判别准则对样本的所属类别做出判定。监督分类的精度较高。这里采用的监督分类方法是最小距离法，并对分类后的影像进行色调调整得到分类结果如图7所示。InputFile:caijlan_ROTNariLC-:fJeffries-Ka

6、tusita.TransfarnedLiTergettce|Bluel2575points:榻也Ye丄J.ow2250pciints:植祓Cr-fifiKi2Qi7poitita皆秦White2501paints.鈕樓用地Fted225Spz-mts脾也Ccarall2G?2paintB:(L.993472Z7.殆咖临21(.OODaOOOO0:(1995D48S3(2.00D00D0022.0DQ0D00DIgqqg722?).aODOODOO)2onoooOdoj.000CIDDDD)22212R3duTJTJJtaTJ1nep1m-ta-71蛋1-=三r-l丄目Ye桌袱秦承地rt氓甘&縄

7、(1.3994712?Z(L.97BCiti721(.OODaOOOO0:(1QLIQ04&51门.珈7571ooonooao：igd.g72S3).aODQODOO)19999701-3：iGz-ral1ZfiSZpaints.:jE-CCtl20b.DpOLTLtS:水来BluelJ257BcoiMts樹3也c-llow22E0paints：:廿亲*Xhite-JZ50Lpoints庖蛹用地QEd2255juints(1.9399005219999722?)(19790fil7i.9酮97绅)eo.aoriciooooooododocio):199E156772OaODQODa匚勺刖阿37

8、S.QODaODOO)LR-E72Z口72625P52052221dDJ书1JeJ51nRII2A-lerfl=!也.-Tl;W|十补-活-：0JZIOOOOOOIJ0iji：iriOOOLll：l)to.oDoonoono.onaoDoon-：ojzioooooonuDjijriooooo):io.t呑-B1uel25?5pointsand袜旭Coral26S2pnitits-图7感兴趣区像元统计结果图8监督分类结果影像6精度评价精度评价是对监督或非监督分类后分类结果的分析，对分类像元的统计等，通过混淆矩阵、KAPPA系数和分类精度，制图精度用户精度的结果，判断分类是否合理。对分类后的影像进

9、行进度评价,，结果如图7所示。Cc-yiEusicaiNairTiM：1*7e*LLeilcEurc3rkppaCoLeiantZItol&vnEElVDiMkWKMWiiBn!|：12EG7/-14Jaa)汨MLi戈Q.BE44r-aW?5k4w*.-工-!:Ji3Bi丄Ld101Di-EEl-sirIBlst韻1Tmtli11舀!a0n!4L10102a21E7HEElb47416D7QQ0Q0Don2E75孟讯2DtTfJrftaa彌Q2SQ1QD156?012a2EQ123EECLiUEAJtt.rfallwlW!GwilV*Itfhit-BSLfflJt|Rm|3田LIctalrcn

10、ind,Train3dZ324鳩To231212LmiTidTruthIrarEHntC1SL&S术累聃唱植耒ffsMliSj&sliiedD.OtiOM0DDn.oDD0QEH-swl93.63OM493n.oDQonYiallwlD.OQ阳？17.32Q.QD25竹:烷Grwng.373.2=377.7E0JQD0tfhstaD.oaDO0DDIDODDDoaLIUL血dd.oqoonQ00n.ao69肝CCEPald.oqO91Q00n.aoE3ZTartelioo.aaiiuon100.DD100ODlOOQdC1S.C5Uiwl?553ti5d*眾IBIlmlLSUftr?allov

11、|wo2地WJft|CaxdiqilITx-ucIj.ifexceiii：-.AJbTot-s0.00O.OflD.aa17.E?D.aa21.71D.no12.3HD.OQ17.4?il.初13.10B7.SJ17.22LDD.aatauouFT%量环地IBlwLLTellwJijWffifi1rbitdJ&|RwdCaraL1i-fflPLWion,4.063D.631Z.?UD.QOit.14PfHTEHnt&3741322.LLDi3DElCohilssiwi1D2/2E13S.SIQE23813450/2501306/ia?3Orj.iddIFimLa：LSV257t?3EZ5D40

12、20670/250gal.-225E.32S-255：IBliwirfeJlwl地IRdICaraL19E377775i(id009B7Przd3口:pHTi=n;tI1MTfcC(BflTEHnt归.9*汨47a-inmuOH83.tgi:Prodt=c24.iL/SE75Z157/ZZ5DltnTZDfi?SEOlEOli汨曲2324252linerACCFatmLx2411251jZ157/3LQE25DV25H11%7-H73图7监督分类精度评价从图7可以看出，总体精度87.8811%。KAPPA系数为0.8544。各地类分类结果如表1所/示O表1上海市图利利用覆盖统计地类水系耕地植被

13、背景建筑用地像元数24112157160725011567像元总数25752250206725012255百分比93.64%95.87%77.75%100%69.49%制图精度93.63%95.87%77.75%100%69.49%用户精度95.94%69.47%87.1%100%83.66%三决策树决策树分类是通过专家经验总结，简单的数学统计和归纳方法，利用多源数据和分类规则进行分类。1建立决策树根据决策树规则创建决策树规则如下：水体(water)：wentness大于18；植被(vegetation)：wentness小于18且NDVI大于等于0.001；建筑用地(building)：we

14、ntness小于18且NDVI小于0.001且NDBI大于0.001；裸地(bareland):wentness小于18且NDVI小于0.001且NDBI小于等于0.001且B5大于0；背景(background):wentness小于18且NDVI小于0.001且NDBI小于等于0.001且B5小于等于0。决策树如图8所示badtpFdun|barglandWentnessia：blgt1&*0(0.图8创建决策树2分类结果运行决策树，得到分类结果如图9所示。图9分类结果影像四监督分类与决策树分类区别监督分类是思想是首先根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别的样本的观测值求解待定参数的过程称之为学习或训练，然后将未知的样本的观测值代入判别函数，再依据判别准则对样本的所属类别做出判定。监督分类是通过目视判读的方法进行样区的提取，需要判读这具有分幅的判读经验，需反复进行分类，直至精度符合要求为止，而且精度较高，但