论文摘要
土地利用变化作为目前全球变化研究的核心问题之一,反映了自然和人文交叉最为密切的关系。当前遥感技术已经成为区域甚至全球尺度的土地利用变化研究的有效的手段,采用遥感图像进行土地利用变化分析可以充分利用遥感影像中的丰富地物信息,实现对土地类型的分类并进行不同时期土地利用变化的比较。在遥感图像分类中,传统的BP神经网络分类法,有训练速度慢、不易收敛到最佳等缺点,自组织神经网络具有结构简单实用、训练速度快,收敛性好等优点,能较好地进行遥感土地分类。传统的应用到土地变化的计算机软件处理复杂,需要编写若干的程序,工作烦琐,现在虽有ERDAS,ENVI等软件,但或多或少的存在着缺点或不足。MATLAB将高性能的数值计算和可视化集成在一起,并提供了大量的可以直接调用的内置函数,包含许多功能各异的工具箱如小波理论、神经网络工具箱等。通过对青岛市、泰安市土地利用变化的分析,利用MATLAB图象处理软件并基于小波融合理论、自组织神经网络分类法对两市的不同时期内的遥感图像进行图像预处理、图像融合、图像分类等处理,揭示出城郊土地利用变化的趋势,为建立城市数据模型提供数据基础。本文得到山东省基础地理信息与数字化技术重点实验室开放基金资助项目“基于神经元网络的城市土地利用变化模拟的理论与方法”(SD060805)的支持。