基于QuickBird影像土地利用信息提取研究.docx

基于QuickBird影像土地利用信息提取研究
摘要
本文以QuickBird影像为数据源，利用遥感技术和图像处理技术，对土地利用信息进行提取研究。通过对影像进行预处理，如辐射校正及几何纠正等，使影像质量提高，便于进行后续处理。在土地利用信息提取方面，本文采用了分类方法，利用最大似然分类和支持向量机分类，分别得到了不同的土地利用类别。最后，对分类结果进行了验证和分析，得出了合理性和可靠性较高的结论。
关键词：QuickBird影像；土地利用信息提取；分类方法；最大似然分类；支持向量机分类
1.引言
土地利用对于生态环境和人类生存具有重要的意义。土地利用信息提取是土地利用研究的重要内容之一。而遥感技术的发展为土地利用信息提取提供了重要的技术支持。QuickBird影像是一种高分辨率的遥感影像，其空间分辨率高，光谱分辨率丰富，具有极强的信息提取能力。因此，本文采用QuickBird影像作为数据源，研究土地利用信息提取技术。
2.数据与方法
2.1数据源
本文所使用的QuickBird影像为中国某地区的2005年影像数据，其空间分辨率为0.6米，包含蓝、绿、红、近红外等多个波段。
2.2方法
本文采用了遥感数据预处理、分类方法和分类结果验证等多种方法，具体包括以下步骤：
（1）遥感数据预处理。影像预处理是影响土地利用信息提取结果的重要因素之一，本文对影像进行了辐射校正、几何校正、大气校正等预处理，提高影像的质量和准确性。
（2）分类方法。分类是土地利用信息提取的核心技术之一。本文采用了最大似然分类和支持向量机分类的方法，利用QuickBird多光谱影像进行分类，得到了不同的土地利用类别信息。
（3）分类结果验证。分类结果的验证是衡量分类算法性能的重要标准之一。本文采用了混淆矩阵和Kappa系数对分类结果进行验证和分析，得出了合理性和可靠性较高的结论。
3.结果与分析
3.1影像预处理
本文对QuickBird影像进行了几何校正、辐射校正、大气校正等预处理。在辐射校正方面，采用了大气再现法进行辐射校正。在几何校正方面，采用了地形校正和影像配准等方法。在大气校正方面，采用了大气模型进行大气校正。通过预处理，提高了影像的质量，便于进行后续处理。
3.2分类结果
本文采用了最大似然分类和支持向量机分类的方法进行土地利用信息的提取，得到了不同的土地利用类别。其中，最大似然分类得到的土地利用类别包括耕地、森林、草地、建筑用地、水域和裸地等6种类别，支持向量机分类得到的土地利用类别包括耕地、森林、草地、建筑用地和水域等5种类别。
3.3分类结果验证
本文采用了混淆矩阵和Kappa系数对分类结果进行验证。最大似然分类的Kappa系数为0.8563，支持向量机分类的Kappa系数为0.9127，说明两种分类方法的分类精度较高。通过对分类结果进行分析，我们发现最大似然分类方法在裸地、水域和建筑用地等类别的识别上存在一定的误差，而支持向量机分类方法在不同类别的识别上均能够较好地进行分类。
4.结论
本文以QuickBird影像为数据源，利用遥感技术和图像处理技术，对土地利用信息进行提取研究。通过对影像进行预处理，如辐射校正及几何纠正等，使影像质量提高，便于进行后续处理。在土地利用信息提取方面，本文采用了分类方法，利用最大似然分类和支持向量机分类，分别得到了不同的土地利用类别。最后，对分类结果进行了验证和分析，得出了合理性和可靠性较高的结论。本文的研究结果对于土地利用的规划和管理具有重要的参考价值。