论文部分内容阅读
遥感分类是森林资源调查和监测不可缺少的内容，分类的精度直接影响遥感数据的应用水平和实用价值。如何解决多类别图像的识别并满足一定的精度，是遥感图像研究中的一个关键问题，具有十分重要的意义。本研究在对国内外森林植被遥感分类研究进展分析的基础上，应用Landsat7ETM+遥感数据和地理辅助数据，用BP神经网络方法对蛮汉山林场森林植被遥感分类进行了研究，并与传统的统计模式识别方法(无监分类、最大似然法)的分类结果进行精度比较分析。结果表明： (1) 本研究以LandSat7 ETM+多光谱遥感图像作为主要数据源，以影响分类的研究区森林资源现状分布图为辅助地理数据，将BP神经网络用于森林植被遥感分类，分类结果类型总精度达到了67％，总的数量精度达到了84.65％，KAPPA系数为0.6455，表明分类质量很好。 (2) 本研究采用类型精度和数量精度两种方法对BP神经网络分类方法、最大似然法、简单和复杂无监分类法进行了精度比较分析，发现BP神经网络法的分类类型总精度比传统三种分类方法依次提高了7％、32％和33％，分类结果总的数量精度比最大似然法高5.3％。可见地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的，是一种有效的图像分类方法。 (2) 本研究在全面分析该地区专题图、资源实地调查资料、文字资料，结合专家对遥感图像解译，提出RS与GIS结合制作质检标准文件作为参考数据确定分类精度的方法，可以说这是一种高正确率和高效率的质检方案。 (3) 与最大似然法相比，神经网络方法可以方便地加入地理辅助数据进行分类。这样充分利用地理信息系统提供的丰富的地理辅助数据，改善遥感数据的分类精度。 (4) 经过反复训练，以参与分类的遥感数据及地理辅助数据(森林资源现状分布图)作为输入，所要分的森林植被类型作为输出的三层BP人工神经网络模型，当网络隐层节点为16、学习率η=0.1、动量因子α=0.8和训练次数8000次时，该网络达到了预先确定的分类精度96％，满足了本研究用BP神经网络进行森林植被遥感分类的要求。