土地利用信息提取
基于TM影像的土地利用信息的自动提取与制图
摘
要 ： 丹 江 Ｉ 水 库 上 游 库 区 的 Ｔ 卫 星 数 据 为 例 ， 先 利 用 遥 感 图像 处 理 软 件 （ Ｒ Ａ ＭＡ Ｉ Ｅ 中监 督 分 类 的 方 以 ２ ＇ Ｍ 首 Ｅ Ｄ ＳＩ ＧＮ ）
法 对 该 区遥 感 数 据 进 行 分 类 ， 后 利 用 该 区 域 的 Ｄ Ｍ、 度 图、 一化 植被 指 数 作 为 辅 助 手 段 进 行 空 间 分 析 ， 速 提 取 该 区 然 Ｅ 坡 归 快 域 的 土地 利 用信 息 ， 高 了信 息 提 取 的 速 度 及 精 度 ， 后 利 用 ＭＡ Ｇ Ｓ软 件 对 提 取 的 土 地 信 息 以 土 地 利 用 专 题 图 的 形 式 提 最 Ｐ Ｉ
维普资讯
第 ６卷 第 １ ２期
２ ０ ０ ７年 １ ２月
南阳师 范 学院 学报
Ｊ ｕ ｎ ｌｏ ｎ ａ ｇ Ｎｏ ｍａ ｉｅ ｓｔ ｏ ｒ ａ ｆＮａ ｙ ｎ ｒ ｌＵｎｖ ｒｉ ｙ
Ｖｏ ． １ ６ ＮＯ １ ．２ Ｄｅ ． ２ ０ ｃ ０ ７
中 ， ６个 在 Ｔ ， 有 Ｍ５ ３个 在 Ｔ ， Ｍ７ １个 在 Ｔ ； Ｍ 、 Ｍ２ Ｔ ２
地 总面积 ９ ７ ． ３万 ｋ 其 中河南 省 ７ １ ．４ ｍ ， ｍ， ８ ５ ３ ｋ 涉
及南 阳市境 内面积为 ６ ６ ．４ ｉ 。区域 北 靠 三 门 ３ １９ ｋ ｎ
峡 、 阳 ， 接 陕 西 、 北 ， 临 湖 解译 能 力 ， 计算 公式 为 ： 从 其
Ｎ Ｖ ＝（ Ｍ４一Ｔ ） （ Ｍ Ｄ Ｉ Ｔ Ｍ３ ／ Ｔ ４＋ Ｍ３ Ｔ ）
３３ ．７ｍ ， 川 ２２ ．６ ｍ ， 乡 ３６ ７ ｉ ， １ １５ ｋ 淅 ８ １４ ｋ 内 ７ ． ｋ 邓 ｎ
dem数据提取坡度的步骤
dem数据提取坡度的步骤提取DEM数据中的坡度是地理信息系统（GIS）分析中常见的操作。
坡度是地表高程的变化率，它对于土地利用规划、资源管理和环境评估等方面具有重要的意义。
下面将介绍提取坡度的步骤，以帮助读者全面了解该过程。
第一步：数据准备要进行坡度提取，首先需要准备DEM数据。
DEM代表数字高程模型，通常以栅格形式表示地表高程数据。
获取DEM数据的渠道有很多，可以使用遥感数据、激光雷达数据或现场测量数据生成DEM。
确保DEM数据的质量和分辨率对于后续坡度分析至关重要。
第二步：数据预处理在进行坡度计算之前，需要进行一些数据预处理的步骤。
首先，检查DEM数据的分辨率，根据需求选择合适的像元大小。
然后，检查DEM数据是否包含异常值或噪声，如果有必要，可以进行数据编辑或滤波处理。
此外，确保DEM数据与所用的地理坐标系统和投影系统一致。
第三步：计算坡度一旦完成数据预处理，就可以开始计算坡度了。
坡度是地表高程变化率的量化表示，通常以百分比或度数的形式呈现。
在许多GIS软件中，都提供了计算坡度的功能，常用的计算方法是基于最小二乘法或其他数学模型。
根据像元之间的高程差异计算一个像元的坡度值，最终形成坡度分布图。
第四步：坡度分类根据具体的应用需求，坡度可以进一步进行分类。
根据国际标准，坡度可以分为平地（0-2%）、缓坡（2-5%）、中坡（5-10%）、陡坡（10-20%）和险坡（>20%）等几个等级。
通过分类，可以更好地识别和分析不同坡度区域的地形特征，为相关决策提供依据。
第五步：坡度应用提取坡度后，可以将其应用于不同的领域。
在土地利用规划中，理解地表的坡度分布有助于确定不同地区的适宜性，指导农作物种植和城市建设。
在资源管理中，坡度可以用来评估土地侵蚀风险和水资源分配。
在环境评估中，坡度可以揭示山区植被分布和生境变化，为生态保护和地质灾害预警提供依据。
总结：提取DEM数据中的坡度是一项重要的地理信息分析任务。
如何利用遥感影像进行地形高程信息提取
如何利用遥感影像进行地形高程信息提取引言：随着科技的不断进步和遥感技术的发展，利用遥感影像进行地形高程信息提取已经成为地球科学研究中不可或缺的一部分。
通过遥感技术，我们可以获取到地球表面的影像数据，然后利用这些数据进行地形高程信息的提取和分析。
本文将介绍如何利用遥感影像进行地形高程信息提取，并探讨其中的原理和技术方法。
一、遥感影像的获取遥感影像是通过航空或卫星传感器对地球表面进行感知和测量，获取到的图像数据。
遥感影像可以提供大范围、连续性的地表信息，具有分辨率高、重访率高的优点。
常见的遥感影像包括卫星影像和航空影像。
卫星影像是由各种地球观测卫星收集的数据，具有广覆盖、频率高的特点。
常见的卫星有Landsat、MODIS等，它们可以提供高分辨率的多谱段影像数据。
航空影像则是通过航空器对地表进行拍摄而获得，一般具有较高的分辨率和空间分辨率。
卫星影像适合用于大面积地形高程信息提取，航空影像适合用于对个别区域进行高程信息提取。
二、地形高程信息提取的原理地形高程信息提取是指通过遥感影像数据获取到地表不同位置的高程信息。
地形高程信息提取的原理是利用遥感影像中的光谱、纹理和几何等信息，结合数学模型和算法来重建地形表面。
常用的地形高程信息提取方法包括数字高程模型(Digital Elevation Model，DEM)的生成。
DEM是以数值形式表示不同区域的地表高程信息的一种地理信息系统数据模型。
通过对遥感影像进行处理，可以获取到DEM数据，进而利用DEM数据进行地形高程的分析和提取。
DEM数据常通过插值算法进行生成，得到地表的高程信息。
三、地形高程信息提取的技术方法1. 影像预处理地形高程信息提取之前，首先需要对遥感影像进行预处理。
这包括影像校正、辐射定标和几何纠正等步骤。
影像校正是指根据传感器和大气条件对影像进行校正，消除辐射误差；辐射定标是指将影像数字值转化为反射率或辐射率；几何纠正是指将影像与地理坐标系统进行匹配，以确保影像与地面位置对应。
土地利用动态遥感监测的流程
土地利用动态遥感监测的流程一、数据获取。
这就像是我们要出门旅行前先准备好地图一样重要。
我们得收集遥感影像数据，这些数据就像是我们的眼睛，能看到土地的样子。
这些数据可以从卫星影像那里得到，不同的卫星就像不同的摄影师，拍出来的照片各有特点。
比如说美国的陆地卫星系列，还有咱们国家自己的卫星影像，都特别好用。
而且我们还要收集一些辅助数据，像地形图啦、土地利用现状图之类的。
这就好比旅行的时候除了地图，还得知道当地的一些基本情况，这样才能更好地了解土地的全貌。
二、数据预处理。
拿到数据可不能直接就用哦。
这就像买了新鲜的食材，得先清洗处理一下才能下锅做饭。
我们要对遥感影像进行校正，让图像里的地理位置是准确的，不然就像看一张错位的拼图，根本没法用。
然后还要进行辐射定标，这就像是给照片调整亮度和色彩一样，让它能准确反映出土地的真实反射情况。
最后还要进行大气校正，把大气层对影像的影响去掉，这样我们看到的才是土地最真实的状态。
这一系列操作就像是给土地影像做了个美容，让它以最真实、最清晰的样子出现在我们面前。
三、变化信息提取。
这一步就像是在一幅大拼图里找不同的小碎片。
我们要从预处理后的影像里找出哪些地方的土地利用发生了变化。
有好多方法可以用呢，像分类后比较法。
就好比先把之前的影像分成不同的土地类型，像农田是一类、建筑用地是一类等等，再把现在的影像也这么分，然后对比看看哪些类别变了。
还有像光谱特征变异法，就是根据土地的光谱特征，像颜色之类的，如果和之前不一样了，那就很可能是土地利用发生了变化。
这一步就像是侦探在找线索，每一个小变化都可能是重要的发现。
四、变化信息后处理。
找到变化信息还不算完呢。
这就像我们找到了宝藏，还得把宝藏整理好。
我们要对提取出来的变化信息进行筛选，去掉那些可能是因为误差造成的假变化。
比如说可能是影像拍摄的时候有点小失误，看起来像土地变了，其实并没有。
然后还要对变化信息进行分类和统计，知道到底是哪些类型的土地发生了怎样的变化，是农田变成了建筑用地，还是森林变成了草地之类的。
第三次全国国土调查内业信息提取工作手册
第三次全国国土调查工作手册之一第三次全国国土调查内业信息提取工作手册国务院第三次全国国土调查领导小组办公室2018年12月目 录一、工作内容 (2)（一）基础资料检查与处理 (2)（二）A类图斑提取 (2)（三）B类图斑提取 (2)（四）成果整理下发 (4)二、总体原则 (4)（一）充分依据遥感影像 (4)（二）把握重点区域和重点地类 (5)（三）保证农用地变未利用地的可靠性 (5)（四）数据库图斑严重错乱区域需完整勾绘 (6)（五）保持已基本建成同一建设用地单元的完整性 (6)（六）保证图斑勾绘边界的准确性 (8)三、工作方法 (8)（一）技术指标 (10)（二）基础资料检查与处理 (11)（三）集中连片建成区勾绘 (12)（四）内业信息提取 (13)四、成果内容与管理 (16)（一）成果内容 (16)（二）成果管理 (17)（三）内业图斑说明 (20)第三次全国国土调查（以下简称“三次调查”）采用“国家统一制作调查底图、内业判读地类，地方实地调查、地类在线举证，国家核查验收、统一分发成果”的流程推进。
内业信息提取工作，利用国家统一制作的最新高分辨率数字正射影像图（DOM），与更新到最新年份的土地调查数据库套合，按照土地利用现状分类标准，在全辖区范围内，逐地块判读土地利用现状信息，并与数据库对比分析，提取影像与数据库基本一致（B类）和不一致（A类）图斑的全覆盖内业信息图斑，并预判土地利用类型。
1一、工作内容（一）基础资料检查与处理对内业信息提取基础资料的正确性进行检查，对基础资料存在问题的进行合理处理。
主要包括：对DOM影像的检查与反馈；对镶嵌块的检查与修正；对最新土地调查数据库DLTB存在系统偏移的，做必要的纠正，根据整体偏移或局部偏移情况做相应处理；对集中连片建成区范围进行勾绘等。
（二）A类图斑提取即提取影像特征与数据库地类不一致的图斑。
A类图斑根据影像特征内业预判类型分为六个一级类，十一个二级类及六个标注类型（见表1）。
第三次全国土地调查内业信息提取
耕地与园地
203与122之间
四、总体原则
3 充分依据遥感影像
耕地与草地
林地与草地
四、总体原则
3 充分依据遥感影像
年来，持续巩固植树造林成果， 累计新增人工造林面积25万亩， 封育改造低质低效林9万亩，森林 覆盖率达到35%。
三、技术方法
3 综合信息查询记录 案例：广西某县
数据库为耕地，影像上呈现大规模疑似小树苗影像特征，该区县为广西南宁市横县，经过查询当地的 主要产业信息，当地有速生桉产业，查询速生桉在该区县的分布发现，图上耕地内为种植的速生桉。
• 边界：不一致 • 地类：不一致
01
切割
复制
重新勾绘
02 03
三、技术方法
4 信息提取方法
切割
三、技术方法
4 信息提取方法
复制
三、技术方法
4 信息提取方法
重新勾绘
四、总体原则
1 明确图斑提取范围
集中连片建成区内部
四、总体原则
1 明确图斑提取范围
环城路 环城河
四、总体原则
1 明确图斑提取范围
204、205保留二级类
三、技术方法
2 基础资料
纠 正
三、技术方法
3 综合信息查询记录
坐落 分布
地形 地貌
气候 条件
水文 特征
规划 政策
主要 产业 结构
农业 产业 结构
生态 保护 情况
当季 自然 状况
……
三、技术方法
5 综合信息查询记录
内蒙和林格尔县位于内蒙古自治
区中部，经查询，和林格尔县近
年来一直实行退耕还林政策。五
标注类 JZ（建筑） YH（硬化） GEF（高尔夫） SM（水面） DT（动土） CK（采矿）
土地信息的分类、获取途径、应用实例及新途径归纳
土地信息的分类、获取途径、应用实例及新途径归纳一、土地信息的分类：在LIS中,土地数据可分为三种类型：空间特征数据〔定位数据〕、时间属性数据〔尺度数据〕和专题属性数据〔非定位数据〕。
对于大部分土地信息系统的应用来说，时间和专题属性数据结合在一起共同作为属性特征数据，而空间数据和属性特征数据统称为空间数据〔或土地数据〕。
空间特征数据表示地块的空间位置、形状和大小及其与相邻地块的拓扑关系。
位置和拓扑特征是空间信息系统所独有的。
时间属性数据反映土地实体的时间变化或数据采集的时间等，即空间数据总是在某一特定时间或时段内得到或计算的。
专题属性数据反映土地实体所具有的各种性质，如地面的坡度、坡向、某地的年降雨量等。
通常以数字、符号、文本和图像等形式来表示。
其中，专题属性数据有更详细的分类。
土地信息的数据源按照所属的专题领域分为：土地自然性状属性、土地利用及关系属性、土地经济价值数据、土地管理调控数据等。
〔1〕土地自然性状数据土地自然性状数据指土地本身固有的内在属性数据，是由构成土地的诸要素长期相互作用而赋予土地的物理、化学以及外表或剖面的构形特性。
土地自然性状特性直接影响土地的适宜性和限制性，是衡量土地质量等级的重要依据。
主要包括：地质信息、土壤信息、水文信息、地形与地貌信息、植被与物种信息、气候信息等。
〔2〕土地利用及关系数据土地利用关系数据是反映土地承载的人口、建筑物、各种基础设施和利用关系以及权属关系的数据。
主要包括：人口信息、建筑物信息、基础设施信息、利用关系信息、权属关系信息等。
〔3〕土地经济价值数据商品市场的土地是一项资产，资产具有价值、价格。
影响土地价值和价格的因素、土地价格和价格评估相关参数、土地市场供求状况等信息构成土地经济价值数据。
主要包括：土地区位条件信息、土地收益与价格信息、土地市场的供求信息等。
〔4〕土地管理调控数据土地管理调控数据主要是国家土地管理部门采用行政的、法律的和经济的手段，实现土地可持续利用、土地市场健康发展和公民财产安全保证等管理工作中所产生的一系列数据。
土地整治工程中信息技术应用
土地整治工程中信息技术应用摘要：当前，我国经济发展进入新常态，新型工业化、城镇化建设深入推进，耕地后备资源不断减少，实现耕地占补平衡、占优补优的难度日趋加大，激励约束机制尚不健全，使耕地保护面临多重压力。
随着计算机技术的广泛应用，将土地整治工程技术与信息技术有机结合，不仅提高了土地整治工程的工作效率，而且提高了土地整治工程质量。
就土地整治工程信息化的应用进行探讨，以进一步了解土地整治工程信息化的应用效果与应用价值，为今后工作开展提供相应参考。
关键词：土地整治；工程信息化；互联网+1.引言土地整治是对低效利用、不合理利用、未利用的土地进行治理，恢复利用生产建设活动破坏和自然灾害损毁的土地，从而提高土地利用率的活动。
近年来，通过实施土地整治，农村散乱、废弃、闲置、低效利用的建设用地得到了合理利用，布局得到了进一步优化，基础设施和公共设施得到不同程度的完善，农民居住条件和生活环境得到了改善，生态环境得到了优化，促进了生态文明建设。
信息化技术是时代发展的产物，如何在土地整治工程中充分发挥信息化技术的作用，逐渐成为人们关注的重点与热点。
2信息技术应用土地整治一般分为5个阶段，即项目踏勘、可行性研究、项目立项、工程实施和项目验收。
为了提高土地整治效率和质量，保障耕地数量和质量，信息技术在土地整治中的重要地位逐渐凸显，尤其项目立项前期的土壤环境监测、土地利用信息提取及项目实施时土地信息管理应用较多。
2.1土地利用信息提取土地利用是土地整治的关键背景，区别于原有人为调查分析，利用遥感影像快速获取土地利用信息。
主要研究土地信息的获取、处理、表达和应用问题。
目前，利用面向对象的影像分类方法不仅可以利用高空间分辨率遥感图像上地物的光谱特征，还可以充分利用遥感图像丰富的纹理、形状、结构及空间关系等相关信息，充分发掘图像的内容，使其总体分类精度提高，以解决实际应用中的一系列问题。
白晓燕等人采用面向对象的遥感影像自动分类技术，在较大范围的研究区域内实现了对高分辨率遥感影像的土地利用分类，分类总精度达到87.07%。
中科院30m土地利用数据裁剪
中科院30m土地利用数据裁剪摘要：I.引言- 介绍中科院30m 土地利用数据- 说明数据裁剪的重要性II.数据获取- 数据来源- 数据获取方法III.数据裁剪方法- 介绍裁剪方法- 解释为什么选择这种方法IV.数据处理- 数据预处理- 数据裁剪V.结果展示- 展示裁剪后的数据- 分析数据变化VI.结论- 总结数据裁剪的重要性- 对未来工作的展望正文：I.引言中国科学院（简称中科院）是一个国家级的科研机构，致力于开展自然科学和社会科学的研究。
中科院拥有大量的科研数据，其中包括30m 土地利用数据。
土地利用数据对于研究我国土地资源利用状况、生态环境变化等方面具有重要意义。
然而，原始数据往往较大，不便于分析和使用。
因此，对数据进行裁剪是十分必要的。
II.数据获取中科院30m 土地利用数据是从遥感影像中提取的。
遥感影像具有较高的空间分辨率，可以清晰地反映地表特征。
通过专业软件对遥感影像进行处理，可以获取到土地利用数据。
在我国，常用的遥感影像数据来源有高分辨率对地观测卫星、航空遥感等。
III.数据裁剪方法为了更好地分析和使用中科院30m 土地利用数据，我们采用了裁剪方法。
裁剪方法可以根据研究区域的具体范围，将原始数据进行缩小，以便于分析和使用。
我们选择了一种基于像元级别的裁剪方法，这种方法可以精确地裁剪出研究区域，同时保留数据的信息。
IV.数据处理在数据裁剪之前，需要对原始数据进行预处理。
预处理的目的是消除数据中的噪声，提高数据的质量。
预处理方法包括去除无效数据、填补数据空缺等。
数据裁剪完成后，可以得到研究区域的土地利用数据，这些数据具有较高的空间分辨率，可以清晰地反映研究区域的土地利用状况。
V.结果展示通过数据裁剪，我们得到了中科院30m 土地利用数据在研究区域内的具体分布。
通过分析这些数据，我们可以了解到研究区域的用地类型、用地结构等信息。
这些信息对于研究土地资源利用状况、生态环境变化等方面具有重要意义。
基于GIS的遥感影像土地利用／土地覆盖信息提取研究——以滇西北香格里拉县为例
似然 法 进 行 图 像 分 类 ，就会 导 致 分 类 精 度 降低 【 ” 。
虽然近 年来 ，人们 提 出了不少 研究遥 感 分类 的新 方
征 ，提 出多 步骤 遥感 影像 分类 方 法 （ １：基于 分 图 ） 辨 率融 合提 取地 物和 基 于 Ｎ Ｖ 计算 的 分 区 、分 层 Ｄ Ｉ
的思 想是通 过 分层和 分 区的途 径将 每一 次参 与监 督 分 类 的地 物类 别 尽 可 能 减 少 ， 以减 少 地 物 类 别 间 “ 物 同谱 、同谱 异 物 ” 的 干扰 ，在 此基 础 上再 利 异 用 Ｄ Ｍ 和坡 度数据 对 其进行 基 于知识 的影 像分 类 ， Ｅ 最后确 定 出像 元点 所属 的类 别 。
提取 精 度 达 ７ ％以 上 ，较 单 一的 信 息提 取 方 法 精 度有 很 大 提 高 。 ０
关 键 词 ：Ｇ Ｓ Ｉ ；土 地 利 用／ 地覆 盖 ；信 息提 取 ；香 格 里拉 县 土 中 图分 类 号 ：Ｘ ７ ８ 文献 标 识码 ：Ａ 文章 编 号 ：１０ ＿ ８ ２ （ｏ７ ２ ０ ９ — ５ ｏ １ ７ ５ ２ ０ ）０－ ０ ８ ０
图 １ Ｇ Ｓ支 持 下 的多 步 骤 遥 感 图 像分 类 流 程 图 Ｉ
Ｆ ｇ １ Ｆ ｏ ｉｇ ａ ｏ ｍｏ ｅ ｓ ｎ ｉ ｇｉ ｇ ｌｓ ｉ ｃ ｔ ｎ ｗ ｔ ｌ — ｔｇ ｙ ａ Ｇ Ｓ ｉ． ｌ ｗ ｄ ａ ｒ ｍ ｆ ＇ ｔ ｅ ｓｎ ｌ ｅ ｍａ ｅ ｃａ ｓ ａ ｏ ｉ ｍｕ ｔ ｓａ ｅ ｂ Ｉ ｉ ｆ ｉ ｈ ｉ
０ 引言
利 用遥 感 分 类 技术 进 行 土 地利 用／ 地覆 盖 分 土 类研 究一直 是遥感 应 用研究 的热点 。而 提 高计算 机
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
土地利用信息提取
目录
一流程图 (3)
二监督分类 (4)
1 镶嵌 (4)
2 裁剪 (4)
3 定义训练样本 (5)
4 绘制感兴趣区（ROI） (6)
5监督分类 (7)
6精度评价 (8)
三决策树 (10)
1 建立决策树 (10)
2 分类结果 (10)
四监督分类与决策树分类区别 (11)
五制作专题图 (12)
六疑问及错误操作............................... 错误!未定义书签。
七总结......................................... 错误!未定义书签。
一 流程图
图1 上海市土地覆盖信息提取流程图
LE71189382002331EDC001803样本（ROI ） 精度评价（shanghai.shp ）
LE71180392002315SGS00
决策树
分类结果
监督分类 区别 制作专题图
镶嵌、裁剪
二监督分类
1 镶嵌
LE71180382002331EDC00.tar”和“LE71180392002315SGS00.tar”影像都为有投影信息影像，所以选用有地理参考的图像镶嵌对两幅影像进行镶嵌，图像镶嵌的原则是（1）几何配准（2）镶嵌边搜索（3）边缘平滑（4）调整色调与反差
将两幅影像以432波段在map basic Mosaic中显示，由于影像已有投影信息，直接设置影像的叠放次序，观察镶嵌边，进行镶嵌边边缘平滑和色调设置，输出影像，得到镶嵌图像。
如图2所示。
图2 影像镶嵌
2 裁剪
裁剪包括规则分幅裁剪和不规则分幅裁剪。
规则分幅裁剪需要行列号，左上角、右下角坐标。
不规则分幅裁剪是根据所研究区域的形状手工绘制的一个任意多边形，多边形文件可以是事先绘制好的文件，也可以是临时绘制的ROI感兴趣区。
利用ARCGIS软件对上海的矢量文件进行去代号处理，将结果与镶嵌影像叠合后，对影像进行裁剪，得到上海市范围影像。
如图3所示。
图3 上海市裁剪结果
3 定义训练样本
观察裁剪后的上海市范围影像，根据上海市的土地利用情况，我定义了林地、建筑用地、水系、耕地等四类样本数量。
并建立感兴趣区（ROI），如图4所示。
图
4 绘制感兴趣区（ROI）
在envi中，打开ROI TOOL对话框，在主图像中绘制多边形感兴趣区，样本的数量要满足总像元的千分之一，以保证分类达到较高的精度要求。
通过ROI可分离性计算评价训练样本确定分类是否合理，结果如图5图6所示。
图5 样区分类散点图
图6 定义训练样区
5监督分类
监督分类的思想是：首先根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别的样本的观测值求解待定参数的过程称之为学习或训练，然后将未知的样本的观测值代入判别函数，再依据判别准则对样本的所属类别做出判定。
监督分类的精度较高。
这里采用的监督分类方法是最小距离法，并对分类后的影像进行色调调整得到分类结果如图7所示。
图7 感兴趣区像元统计结果
图8 监督分类结果影像
6精度评价
精度评价是对监督或非监督分类后分类结果的分析，对分类像元的统计等，通过混淆矩阵、KAPPA系数和分类精度，制图精度用户精度的结果，判断分类是否合理。
对分类后的影像进行进度评价，，结果如图7所示。
图7 监督分类精度评价
从图7可以看出，总体精度87.8811%。
KAPPA系数为0.8544。
各地类分类结果如表1 所示。
表1 上海市图利利用覆盖统计
地类水系耕地植被背景建筑用地像元数2411 2157 1607 2501 1567
像元总数2575 2250 2067 2501 2255
百分比93.64% 95.87% 77.75% 100% 69.49%
制图精度93.63% 95.87% 77.75% 100% 69.49%
用户精度95.94% 69.47% 87.1% 100% 83.66%
三决策树
决策树分类是通过专家经验总结，简单的数学统计和归纳方法，利用多源数据和分类规则进行分类。
1 建立决策树
根据决策树规则创建决策树
规则如下：
1.水体（water）：wentness大于18；
2.植被（vegetation）：wentness小于18 且NDVI 大于等于0.001；
3.建筑用地（building）：wentness小于18 且NDVI 小于0.001 且NDBI 大于0.001；
4.裸地（bareland）: wentness小于18 且NDVI 小于0.001 且NDBI 小于等于0.001
且B5 大于0；
5.背景（background）: wentness小于18 且NDVI 小于0.001 且NDBI 小于等于
0.001 且B5 小于等于0。
决策树如图8所示
图8 创建决策树
2 分类结果
运行决策树，得到分类结果如图9所示。
图9分类结果影像
四监督分类与决策树分类区别
监督分类是思想是首先根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别的样本的观测值求解待定参数的过程称之为学习或训练，然后将未知的样本的观测值代入判别函数，再依据判别准则对样本的所属类别做出判定。
监督分类是通过目视判读的方法进行样区的提取，需要判读这具有分幅的判读经验，需反复进行分类，直至精度符合要求为止，而且精度较高，但花费较多的人力和时间。
决策树分类是通过NDVI（归一化植被指数）和植物的光谱特性进行分类，不通过目视判读的方法，利用规则函数直接对某一地物进行划分提取，精度较监督分类高，但是需要了解地物的光谱曲线及NDVI的相关信息，决策树分类要比监督分类更熟悉ENVI操作，要熟悉各种遥感知识。
五制作专题图
将监督分类结果文件导入ARCGIS中制作上海市土地利用覆盖专题图，如图所示
图上海市土地利用覆盖专题图。