Page 71 - 遥感技术在生态环境监测中的应用研究

遥感技术在生态环境监测中的应用研究

非监督分类最常见的统计分析方法是聚类方法，聚类分析的目的是使属于同一类别的

像元之间的距离尽可能的小而不同类别上的像元的距离尽可能的大。对于遥感图像进行聚
类分析，常按某种相似性准则对样本进行合并或分离，确定一些描述点与点之间的联系程
度的统计量。常用的非监督分类方法有 ISODATA，K-Means 等。

跟监督分类相比，非监督分类有很多优点。它不需要对研究区有广泛的了解和熟悉，
只是需要一定的知识来解释非监督分类得到的集群组，这可以使人为的误差减少，只需要
预先对其定义几个参数，它产生的类别就比监督分类所产生的更均质；尤其是那些独特的、

覆盖量小的类别均能被识别出来，而不会被分析者的失误而人为的忽视。同时非监督分类
也具有自身的缺点：分类结果与实际需求有出入，图像中各类别的光谱特性会随着地形、
时间等变化，不同图像以及不同时段的图像之间的光谱集群组无法保持其连续性，从而使

其不同图像之间的对比较为困难。
决策树分类是以分层分类的思想作为指导原则的，它根据影像的不同特征以树型结构

表示分类或决策集合，产生规则和发现规则。分层的思想是针对各类地物的不同特点，将
其按照一定的原则进行层层分解。在每一层的分解过程中，根据不同的子区特征及经验知
识，选择不同的波段或波段组合来进行分类。首先利用训练空间实体集生成判别函数，其

次根据不同取值建立树的分支，在每个分支子集中重复建立下层节点和分支，最后形成决
策树。申文明等以河北唐山为研究区，应用 Landsat.ETM 影像数据和 GIS 数据，对决策树

分类技术和传统计算机自动分类方法进行了比较。结果表明：决策树的分类精度与传统自
动分类方法相比，分类精度提高了 19.29%。
遥感图像专家系统分类是模式识别与人工智能技术相结合的产物，该分类方法主要是

应用人工智能技术，运用解译专家的经验和方法，模拟遥感图像目视解译的具体思维过程，
最后进行图像解译。其分类的关键是知识的发现和推理技术的运用。目前在知识发现方面，
主要是基于图像的光谱知识、辅助数据和上下文信息等。孙秀邦等认为基于专家系统的土

地覆盖分类可以以专家的能力去解决分类过程中的复杂问题，然而在实际应用过程中，知
识的发现和定义往往很难做到与实际情况一一对应。
人工神经网络分类是通过对人脑神经系统结构和功能的模型，建立一种简化的人脑

数学模型。该方法不但不需要任何关于统计分布的先验知识，也不需要预定义分类中各个
数据源的先验权值，可以处理不规则的复杂数据，且易与辅助信息结合。杜灵通通过对

MODIS 数据的研究分析发现，与传统分类方法相比，人工网络模型方法一般可获得更高精
度的分类结果，特别是在复杂类型的土地覆盖类型上，显示了强大的优越性。但由于某些
地物的广谱数据的集群性较差，使得网络对大多数易区分的地类识别率高，而对少数不易

分的地类识别率低。

64