地理与环境科学学年论文-基于决策树分类的美国Lanier水库土地利用信息提取.docVIP

20 10 --20 11 学年第 1 学期 地理与环境科学 学院学年论文 《基于决策树分类的美国Lanier水库土地利用信息提取》 （学年论文） 指导老师: 学生学号: 姓名: 班级: 08级地理信息系统 评语： 成绩： （论文题目及要求） 一．题目： 《基于决策树分类的美国Lanier水库土地利用信息提取》 二．要求： 1.论文格式： 标准论文格式。 2.内容安排： （1）内容摘要； （2）引言； （3）研究区概况与研究资料； （4）分析与实验； （5）精度评定； （6）结语； （7）参考文献。 3.具体事项： 综述分析≧5000字。 要有个人观点和方法。 基于决策树分类的美国Lanier lake湖区土地利用信息提取 摘要： 遥感作为近几十年迅速发展起来的一门综合性技术学科，己经在许多领域发挥了重大作用。对遥感数据进行专题分类处理以得到土地利用等专题信息是遥感最广泛的应用领域之一。尽管土地利用遥感分类方法不断发展，但分类技术却始终跟不上遥感技术本身的发展[1]。 随着计算机技术和遥感技术的发展, 计算机自动分类已经成为遥感影像信息提取和分类的主要手段。本论文以美国Lanier lake湖区为研究区，利用TM1-7多波段遥感影像为数据源，，，，，，，(包括相关的环境特性如几何、纹理以及数字地形模型等背景信息)的重要程度。实验证明使用决策树分类方法分类得到的Lanier lake湖区的土地利用精度达到98%以上（与ERDAS软件提供的标准数据做比较），从而可以利用决策树提取必要的属性进行土地利用分类是可取的方法。 2 研究区概况与研究资料 2.1 研究区概况 Lanier是佐治亚州的一个人造湖，由军队开挖，面积很大，主要为了蓄水，也是1996年美国亚特兰大奥运会的划艇比赛地。原来湖水很丰沛，还修了水坝，定期往下游佛罗里达和亚拉巴马放水，以使那里的渔民维持生计。近些年亚特兰大缺水也很严重，现在已经限制私人自己洗车，或者用水浇花园和草地。缺水以后，不再往下游放水，也引起了三个州之间的纠纷。如今Lanier湖，水面确实很低，沿岸的石头和红土已经显露出来。湖面不是一望无际，而是被一个个的“小岛”分隔开，小岛是由沙土和繁茂的树木构成的小沙丘，水少了，显得它们高了出来。很长的湖岸线被当地人分割成各自的地盘，来停留他们自己的船。Lanier湖是超过300万亚特兰大市民的主要饮用水源地。在干旱期间，佛罗里达州希望能够从Lanier湖获得足够多的水，以确保阿巴拉契克拉湾的鱼类、蚌类以及牡蛎的繁殖和收获。亚拉巴马州希望能够从Lanier湖获得足够多的水，以确保Dothan附近的核电站的正常运行。Lanier湖的地位是不可替代的。佐治亚州、亚拉巴马州和佛罗里达州展开激烈争辩，核心论题就是是否有权请求获得更多的Lanier湖水源。 2.2 研究资料 采用Landsat ETM+ 遥感影像作为影像数据源。按照美国Landsat ETM+ 影像数据处理流程[3]要求，对该影像进行反射率还原，在接下来的分类试验中比较了反射率还原影像与原始影像的分类结果；然后对原始影像和反射率还原影像进行几何校正，校正精度为0.5个像元；依据各种地物在不同波段下的影像具有不同的发射特征，且具有一种特定的规律，按照各种地物的发射特征，找到其中的规律[2]。 本论文基于决策树分类以期对美国Lanier lake湖区土地利用进行信息提取。 3 分析与实验 3.1 分类前预处理 计算机遥感图像分类是统计模式识别技术在遥感领域中的具体应用。提取待识别模式的一组统计特征，然后按照一定的准则作出决策，从而对数字图像予以识别。 遥感图像分类的主要依据是地物的光谱特征，即地物电磁波辐射的多波段测量值，由于同物异谱和同谱异物现象的普遍存在，原始亮度值并不能很好地表达类型特征，需要对数字图像进行运算处理，以寻找能有效描述地物类别特征；需要对数字图像进行运算处理，以寻找能有效描述地物类别特征的模式变量，然后利用这些特征变量对数字遥感影像进行运算处理，以寻找能有效描述地物类别特别的模式变量，然后利用这些特征变量对数字图像进行分类。 分类是对图像上每个像素按照亮度接近程度给出对应类别，以达到大致区分遥感影像中多种地物的目的。 分类基本过程为：收集与分析地面参考信息与有关数据，对数字图像进行辐射校正和几何纠正；根据应用目的及图像数据的特征制定分类系统，确定分类类别；找出代表这些类别的统计特征；对遥感图像中各像素进行分类；分类精度检查；分类后处理。 3.2 决策树分类思想 计算机分类实现的思想基础：同类地物具有相同（似）的光谱特征，不同地物的光谱特征具有明显的差别，但由于影响地物光谱特征的因素很多，所以影响的判读分类都是建立在统计分析的