MODIS时序NDVI数据为主的甘肃河西地区土地类型决策树分类方法研究
文献类型：学位论文
| 作者 | 宋冬梅 |
| 答辩日期 | 2005-07 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 刘闯 |
| 关键词 | 土地类型 决策树遥感分类 MODIS 时序NDVI 河西地区 |
| 学位名称 | 博士后 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 土地类型以地表环境自然地理要素相互作用所形成的自然综合体为研究对象，它是认识地理环境分异规律和区域地理特征的必要途径。土地类型图的编制与开展土地类型研究有利于揭示土地的自然属性与空间分布规律。具有高时间分辨率的新一代中分辨率对地观测卫星数据的出现为土地类型的遥感分类与制图提供了很好的数据源。本次研究表明，对于河西地区土地类型的遥感分类，单纯用一种图像处理手段识别并且进行分类一般是极其困难的，利用决策树方法分层提取土地类型，将复杂的地物分解，从原理和实际的操作上都是可行的。面对的目标简单化使得图像操作和识别更加具有针对性和精确性，能够最大程度地避免土地类型混分的可能，是解决土地类型自动分类的一种有效手段。 1. 根据河西地区气候、植被、地貌类型的区域性特点与自然地带分布规律将该地区土地类型分2级，第1级包括11类，第2级共分24类。其命名法根据主导因素原则，第一级体现气候类型和地貌特征，第二级体现植被类型（植被亚型的水平）。 2. 决策树分类法的优势是利用专家知识，时序NDVI曲线变化可以很好地反映地物的物候变化与植被生长状况。研究表明，利用中分辨率MODIS时序NDVI数据和其它数据（DEM和干燥度指数K）建立河西地区土地类型的决策树遥感分类方法是可行的，分类效果较好，精度可达到82%，比同数据源的传统监督分类最大似然法的分类精度提高了10%。植被的分类能力可达到植被亚型的水平。 3. 研究表明，在土地类型遥感分类中，根据不同植被类型的时序NDVI年内变化特征，准确定义决策树分类法的不同类别之间的阈值是构建决策树方法的关键步骤。 4. DEM和干燥度指数K的应用可以充分利用植被的自然地理分布规律，其分类思想是以气候类型和地貌为依据进行分区，在区内进行不同土地类型的分类，这样不仅减少了工作量，提高了计算机的运算速度，同时提高了分类精度，其分类结果符合植被的自然地理分布规律。 |
| 语种 | 中文 |
| 公开日期 | 2010-12-16 |
| 页码 | 66 |
| 源URL | [http://192.168.22.105/handle/311030/292]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 宋冬梅. MODIS时序NDVI数据为主的甘肃河西地区土地类型决策树分类方法研究[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2005. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。