公路環(huán)境下遙感監(jiān)測土地覆被變化研究.pdf

1、公路建設受到地質、地形、水文等自然因素的制約和現(xiàn)有生產(chǎn)力水平等條件的影響，使公路建設不可避免地影響沿線的生態(tài)環(huán)境，在其施工、營運期會造成土壤和植被以及各類景觀的破壞。 遙感數(shù)據(jù)用于監(jiān)測公路兩側的環(huán)境變化的優(yōu)勢在于，可以宏觀、快速、同步的監(jiān)測大范圍的土地覆被以及變化的狀況。在本文中，應用1986年和1994年的兩景TM遙感圖像研究公路沿線的土地覆被變化，在對地表覆被分類時使用統(tǒng)計學和人工智能信息處理的方法相結合，提高分類的精確度，

2、可以為道路生態(tài)環(huán)境問題、公路選線問題、景觀設計等問題的解決提供定量的科學依據(jù)。 近年來，隨著人工神經(jīng)網(wǎng)絡系統(tǒng)理論的發(fā)展，神經(jīng)網(wǎng)絡技術日益成為遙感數(shù)字圖像分類處理的有效手段。 本文使用兩種神經(jīng)網(wǎng)絡模型：BP神經(jīng)網(wǎng)絡和自組織特征映射(SOFM)神經(jīng)網(wǎng)絡對特征提取之后的TM影像進行分類。BP神經(jīng)網(wǎng)絡是至今為止應用最廣泛的神經(jīng)網(wǎng)絡，但有容易陷入局部極小點、訓練效率低等弱點，而SOFM神經(jīng)網(wǎng)絡在結構的選取、參數(shù)的確定上要比BP神經(jīng)

3、網(wǎng)絡簡單，分類精度也比較高。本文先對。TM影像做主成分分析，使用前三個主成分數(shù)據(jù)代替原始TM圖像的7個波段輸入神經(jīng)網(wǎng)絡進行分類。在對1994年影像分類之后采用混淆矩陣對分類精度進行評價，通過對各個地表覆被類型的用戶精度、生產(chǎn)者精度、總精度以及Kappa系數(shù)等指標的比較，得出SOFM神經(jīng)網(wǎng)絡的分類精度要高于BP神經(jīng)網(wǎng)絡方法和最大似然法，而BP神經(jīng)網(wǎng)絡的分類能力并不如傳統(tǒng)的最大似然法，SOFM神經(jīng)網(wǎng)絡的總精度是94.0％，Kappa系數(shù)為0