基于决策树分类的城市土地利用变化研究开题报告

1. 研究目的与意义

1.1研究背景

土地覆盖信息是人们了解土地利用信息的一种方式，可以帮助研究土地动态变化。是开展土地研究、制定土地利用政策的基础。在自然、人文社会等诸多因素的影响下，区域土地覆盖情况不断地发生变化，进而影响到区域的气候变化、生态环境质量以及人与自然的可持续发展。遥感应用技术覆盖范围广、周期短，能反应动态变化，受限制条件少，获得的信息量大且成本低，成为土地利用变化监测的重要研究手段，国内外众多学者都通过利用遥感的方法获取土地利用/覆盖变化信息，如何更加简便、快速、准确的获取大尺度范围的土地覆盖信息成为国内外一直关注的研究重点。

传统的基于数理统计的分类算法, 特别是最大似然法在遥感影像分类中得到了广泛应用。最大似然法对于正态分布的数据， 易于建立判别函数, 有较好的统计特性, 可以充分利用人机交互；但其分类结果因遥感图像本身的空间分辨率以及“同物异谱”和“异物同谱”现象的大量存在, 出现较多的错分、漏分情况, 导致分类精度降低，分类效果不理想,无法满足实际应用的需要 。目前已经出现了多种新型分类方法, 如神经网络分类法、模糊分类法、专家系统分类法、支撑向量机分类法、面向对象分类法等。但这些方法或者算法过于复杂、难以理解, 或者对分类者有较高的遥感和地学知识要求, 都未能在更大领域得到推广和应用。决策树分类作为一种基于空间数据挖掘和知识发现( spatial data mining and know ledge discovery, sdm kd) 的监督分类方法, 比较充分地利用了遥感图像的各种信息, 将图像的纹理信息、地形信息和其他辅助信息纳入分类体系, 提高了分类的精度, 为土地利用研究提供更可靠依据，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感知识先验确定、其结果往往与其经验和专业知识水平密切相关的问题, 而是通过决策树学习过程得到分类规则并进行分类, 分类样本属于严格“非参”,不需要满足正态分布, 可以充分利用 gis 数据库中的地学知识辅助分类, 大大提高了分类精度。目前决策树分类方法已经开始应用于各种遥感影像信息提取和土地利用/ 土地覆盖分类中。

2. 研究内容和预期目标

2.1主要研究内容

1）阅读和研究与本课题有关的专业文献资料。掌握本课题的研究背景及相关理论基础，收集苏州市土地发展相关资料。了解本课题的当前研究进展，完成开题报告中的文献综述部分和其他项目。

3. 研究的方法与步骤

1) 基本概念了解：了解遥感信息提取的主要技术手段、主要采用的数据形式。

2）资料收集与分析：收集相关文章、进行归集整理，为完成论文奠定基础。

3）数据预处理：以苏州市2000年，2010年，2016年多时相tm影像为资料，利用envi5.1软件，对遥感影像进行图像预处理。其中主要处理操作为：对几幅遥感卫星图像进行几何校正、图像配准、规则剪裁，得到不同时间相同区域的遥感图像，便于进行比较其变化。

4. 参考文献

[1] 汪炜等.基于决策树分类的某市土地利用变化研究. 测绘标准化, 2011(01): 第4-7页

[2] 刘忠阳等.基于决策树的郑州市土地利用与覆盖分类研究. 气象与环境科学, 2008(03): 第48-53页

[3] 孙静雯等.基于决策树分类的根河市土地利用变化及驱动力分析. 中国人口.资源与环境, 2014(s1): 第449-452页

5. 计划与进度安排

1) 1.5 学生选题，导师参加选题指导，并与指导教师见面。

2)3.6-3.10 指导教师下达毕业论文任务书，熟悉城市土地信息提取和分类原理技术，掌握决策树分类原理和当前的发展现状。并根据期间参考资料情况，完成开题报告。