基于遥感数据SOFM网络分类的五种城市增长方式鉴别方法应用研究

被引：11

作者：

戴芹

陈雪

马建文

冯春

不详

机构：

[1] 中国科学院遥感应用研究所

[2] 中国地质大学国土资源与高新技术研究中心北京市朝阳区大屯路信箱

[3] 北京市朝阳区大屯路信箱

[4] 北京师范大学地理与遥感学院

[5] 北京市新街口外大街号

[6] 北京市海淀区学院路号

来源：

武汉大学学报(信息科学版) | 2005年 / 06期

关键词：

神经网络分类; 城市五种增长方式鉴别模型; 城市环线增长面积统计;

D O I：

10.13203/j.whugis2005.06.014

中图分类号：

TP79 [遥感技术的应用];

学科分类号：

081102 ; 0816 ; 081602 ; 083002 ; 1404 ;

摘要：

使用了自主研发的自组织神经网络分类(SOFM)方法[1～3],选择了1988、1994、2001和2003年5～6月份TM+时间序列多光谱遥感数据,对北京城市增长方式进行了30m分辨率遥感时序数据的鉴别,包括填充式增长方式、扩张式增长方式、独立式增长方式、线状式增长方式和簇状增长方式,并绘制了三个时期的城市增长图。在此基础上,根据北京城市增长环线驱动的特点,分别对四环内、四环至五环、五环至六环1988～1994年、1994～2001年、2001～2003年的5种城市扩展方式面积进行了统计。

引用

页码：525 / 528+538 +538

页数：5