基于航测影像的土地利用分类面积提取方法研究开题报告

1. 研究目的与意义

我国特定的土地制度和政策，决定了我国绝大多数区域土地利用呈现图斑破碎、图斑面积小且形状复杂、地类混合交叉的特征。 随着人们对土地认识的不断加深和生产力的不断进步，人们对土地的利用呈现出纷繁复杂的多样性，同时由于经济发展和人口数量的急剧增加，人类对粮食和原料需求量的不断增加，促使人们不断加大土地利用强度的同时，使大量的未利用地、牧草地、林地等开垦转化为耕地，以扩大耕地面积；另一方面由于对于土地的不合理利用，造成严重的土地沙化、退化、荒漠化，使大量的耕地荒芜、环境恶化等现象日益严重，为了使土地利用不断向结构合理化、利用集约化的方向发展，要求土地利用的分类也要随之而发展。 土地利用分类既是认识土地和利用土地的开始，也是实施土地管理、进行土地资源动态监测和有效控制的重要环节。因此，土地利用分类是土地利用理论研究中必不可少的关键内容。土地利用分类是调整土地利用结构、充分合理地开发利用土地资源、实施动态监测和有效控制的重要依据；同时为土地管理和国民经济各部门提供各类土地面积和土地利用变化信息，为国家宏观决策提供依据。 近年来，我国面临的资源形势十分严峻，人口、资源、环境之间的矛盾日益尖锐，保护和合理利用国土资源的任务极其繁重。为有效保护和合理开发利用土地资源，必须首先有效地把握真实、准确和实时的土地利用现状数据。土地利用分类既是认识土地和利用土地的开始，又是土地科学发展水平的重要标志之一；也是土地利用现状调查制图的基础，是实施土地管理、进行土地资源动态监测和有效控制的重要依据，还是世界各地土地利用信息交流的重要媒介。随着科技的进步和社会的发展，土地利用的技术水平不断提高，新的土地利用类型不断出现，土地利用不断向结构合理化、利用集约化方向发展，这些现象要求土地利用分类随之发展。因此，研究土地利用分类具有十分重要的意义。

2. 研究内容和预期目标

遥感技术已成为土地利用数据获取的重要手段之一，从遥感图像上提取土地利用分类面积具有重大的利用价值。本次研究不仅需要熟悉遥感图像的基本处理，还要学会基于航测图像的土地利用分类的基本方法，熟悉所应用的研究理论和方法，并在此基础上进行土地利用分类面积的提取。针对具有明显区域特征的示范区，很有必要采用现代先进技术，以《全国土地分类(实行)》为依据，通过分析比较不同的分类方法，确定最佳的土地类型分类的模型、方法与流程，使用精度最为准确的分类方法，从而建立适用的土地利用分类方案，将示范区大体分为农业用地、建筑用地和水体三部分，并得出它们的面积。

3. 研究的方法与步骤

遥感图像的计算机分类主要包含原始图像的选型、预处理、训练样本的选择、特征选择以及特征提取、图像分类、检验结果和输出结果。

1.原始图像的预处理 遥感影像数据预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征识别和提取的可靠性。通过几何校正等一系列方法对图像的显示效果进行加强，使图像更加清晰。 2.训练样本的选择 在预处理之后，需要从图像中选取具有代表性的数据作为样本。训练样本的选取要遵循一点规则，训练区最好有充足的像元数，选择样本最佳办法就是选择几个包含所有地物的区域，调查选择区域实际情况，并把区域中地物的具体类别记好，然后通过计算机提取这些数据。 3.特征选择和特征提取 特征选择开始于遥感图像分类前，主要是选取具体特征参加分类运算。之后通过特征的提取从特征空间中应用相应算法选取最有说服性的新特征，从样本空间过渡为特征空间。4.分类运算地物分类是按照某种规则或算法将遥感影像中每个像元根据其在不同波段的光谱亮度、空间结构特征或者其他信息划分为不同的类别。不同的地物类型具有不同的波谱特征，在遥感影像上反映为不同的色调、形状、纹理和图案组合，根据不同地类的色、形、纹影像特征，即可判读出不同的土地利用类型。土地利用分类可采用监督分类和非监督分类来实现。监督分类实质就是在进行分类前让分类系统自己学习己有的训练样本，并最终了解所有类别并达到分类的目的。监督分类采用概率统计等分类方法，在准确度上要比非监督分类高，但由于系统有一个自学的过程，所以工作量很大。监督分类的方法主要有最大似然法、最小距离法。 非监督分类，是指在进行图像分类过程中不运用先验知识，只通过遥感图像地物的光谱特征进行分类。非监督分类的理论基础是:遥感图像中的同类地物在相同环境下具有相似的光谱特征，不同地物则不然，那么就会出现地物归属空间相同或不同两种情况。在进行监督分类时类别和训练区是很难选取的，所以我们在开始分析图像前利用非监督分类研究遥感数据的点群分布情况还是很有意义的。非监督分类通过聚类分析，把具有相似性的像元划分成各个类别。在非监督分类时，由于缺少先验知识，因此只可先确定基准类别的参量，并通过分类处理来形成集群。然后通过统计参数调整参量，再聚类、再调整。在不断的迭代之后，所有的参数全能达到规定的范围。非监督分类的方法主要有ISODATA法和K-Mean算法。 5.检验结果 在图像分类运算后进行检验工作，由于同物异谱、异物同谱等现象，有时地物混合在一起，通过检验结果，将分类图和标准数据进行比对。 6.输出结果在对分类结果进行检验后进行类别合并等工作，统计分类结果，最后输出图像。

4. 参考文献

[1]刘建华,胡光道. 高分辨率遥感影像的土地利用分类[J]. 资源开发与市场,2004,04:298-300.[2]林楠,姜琦刚,杨佳佳,陈永良,马玥. 基于资源一号02C高分辨率数据的农业区土地利用分类[J]. 农业机械学报,2015,01:278-284.[3]陈启浩,刘志敏,刘修国,罗红霞,高伟,王红平. 面向基元的高空间分辨率矿区遥感影像土地利用分类[J]. 地球科学(中国地质大学学报),2010,03:453-458.[4]陈朝晖,黎展荣,黄国强. 基于高分辨率影像的土地利用分类知识库系统构建[J]. 南方国土资源,2010,07:37-39.[5]胡玉福,邓良基,匡先辉,王鹏,何莎,熊玲. 基于纹理特征的高分辨率遥感图像土地利用分类研究[J]. 地理与地理信息科学,2011,05:42-45 68.[6]曹雨田,闫冬梅,张丽,何挺. 基于QuickBird卫星数据的土地利用分类规则集研究[J]. 地理与地理信息科学,2011,06:28-31 2.[7]杨清华,齐建伟,孙永军. 高分辨率卫星遥感数据在土地利用动态监测中的应用研究[J]. 国土资源遥感,2001,04:20-27 68.[8]孙丹峰,杨冀红,刘顺喜. 高分辨率遥感卫星影像在土地利用分类及其变化监测的应用研究[J]. 农业工程学报,2002,02:160-164.[9] 魏继伟. 基于遥感图像的土地利用分类研究_魏继伟[D]. 东北师范大学, 2012.[10] 王玉丽,马震. 应用ENVI软件目视解译TM影像土地利用分类[J]. 现代测绘, 2011.[11] 刘平辉. 基于产业的土地利用分类及其应用研究[D]. 中国农业大学, 2003.[12] 付佳,黄海军,杨曦光. 基于ENVI的唐山湾三岛土地利用遥感分类方法的比较分析[J]. 海洋科学, 2014.

5. 计划与进度安排

一、研究工作准备阶段（2022.3.22022.3.29）：2022.3.22022.3.15为准备工作阶段，包括查阅资料、实验数据收集等；2022.3.162022.3.29为开题阶段，主要工作是撰写开题报告等。二、研究工作开展阶段（2022.3.302022.5.17）：2022.3.302022.5.10为研究攻坚阶段，主要是研究论文撰写阶段；2022.5.112022.5.17为论文修改阶段，对前期工作进行修改和完善。三、论文提交阶段（2022.5.182022.5.31）2022.5.182022.5.24为毕业论文查重阶段；2022.5.252022.5.31为修改、打印、装订以及提交论文。