论文部分内容阅读
随着江苏省沛县的城镇化进程不断深入、新型工业化、争创园林城市绿化建设等项目工程逐步落实，城市区域范围内的土地利用格局变化不断加速。本文正是基于这样的背景，利用沛县部分区域的2011年Geoeye-1多光谱与高分辨率影像和2010年Worldview-1高分辨率的遥感影像数据，采用非监督分类方法，最大似然分类法、决策树分类法、支持向量机分类法和面向对象的eCognition分类方法，通过生产、用户精度，Kappa系数进行对比分析，选出了最优的分类方法，并参考相关调查数据及政府规划建设文件，对两期影像的分类结果和变化情况进行分析，并对变化驱动力从经济、政策等角度进行了探讨，得到以下结论：（1）鉴于城市土地利用信息提取对影像分辨率和光谱信息的要求，通过对原有卫星影像的预处理，融合成信息量更丰富、分辨率更高的新影像，提高影像质量。因此论文采用Brovey、HIS、PanSharpen、Gram-Schmid、PCA、Wavelet等融合方法对Worldview-1全色与Geoeye-1多光谱影像进行融合处理，在传统的光谱还原、纹理清晰度指标的基础上，引入了植被权重的改进相似度定量评价法，侧重于图像的结构信息和光谱与纹理的均衡度，并利用MatLab构建评价程式，通过对G_MMSIM及常规指标的综合比对分析，认为PCA融合法的融合效果与目视判读地物特征较为接近，适用于本研究区域的分类要求。（2）采用不同的遥感影像分类方法，将遥感影像的纹理信息、植被、水体、建筑等指数特征作为辅助分类信息，运用基于相元的非监督分类、最大似然分类、决策树分类、支持向量机分类和基于面向对象的eCognition分类，通过结合沛县绿地调查的部分数据，进行总体精度和Kappa系数的指标分析，得到了不同的分类结果。非监督分类具有最低的78.75%的总体精度和0.78的Kappa系数；最大似然分类具有84.82%的总体精度和0.79的Kappa系数；决策树分类结果为85.83%的总体精度和0.80左右的Kappa系数；支持向量机分类得到88.50%的总体精度和0.82的Kappa系数；最后eCognition分类得到最大的总体精度和Kappa系数，分别为90.50%和0.84，得出eCognition是本文研究区最合适的影像分类方法。（3）根据eCognition的遥感影像分类数据，统计各个地类的土地利用信息和变化情况，得到研究区裸地、水域面积2011年比2010年略有下降，交通用地、耕地、林地和建设用地的面积都呈现上升趋势的结果。