基于支持向量机的生态公益林遥感分类研究

被引：3

作者：

任琼 ^{[1
]}

江洪 ^{[2
,3
]}

陈健 ^{[2
]}

李土生 ^{[4
]}

彭世揆 ^{[1
]}

余树全 ^{[2
]}

机构：

[1] 南京林业大学森林资源与环境学院

[2] 浙江林学院国际生态研究中心

[3] 南京大学国际地球系统科学研究所

[4] 浙江省林业厅生态中心

来源：

林业资源管理 | 2009年 / 01期

关键词：

森林生态系统; 生态公益林; SVM; 空间特征; 最优超平面;

D O I：

10.13466/j.cnki.lyzygl.2009.01.020

中图分类号：

TP79 [遥感技术的应用];

学科分类号：

摘要：

提出了基于支持向量机(Support Vector Machine,SVM)的遥感影像分类方法,结合空间特征等信息,对IKONOS高空间分辨率影像进行分类,实施对生态公益林的监测,并将此分类方法与传统分类方法进行比较分析。研究结果表明,基于SVM的遥感分类方法能够有效解决分类效果破碎、精度不高等问题,而且在学习速度、自适应能力、可表达性等方面具有优势。

引用

页码：107 / 113

页数：7

共 11 条

[1] 基于SVM的多源信息复合的高空间分辨率遥感数据分类研究 [J].

张锦水 ;

何春阳 ;

潘耀忠 ;

李京 .

遥感学报, 2006, (01) :49-57

[2] 高分辨率影像城市绿地快速提取技术与应用 [J].

黄慧萍 ;

吴炳方 ;

李苗苗 ;

周为峰 ;

王忠武 .

遥感学报, 2004, (01) :68-74

[3] 支持向量机训练算法综述 [J].

刘江华 ;

程君实 ;

陈佳品 .

信息与控制, 2002, (01) :45-50

[4]

浙江林业自然资源[M]. 中国农业科学技术出版社 , 程渭山主编, 2002

[5]

生态公益林补偿理论与实践[M]. 气象出版社 , 周国逸,闫俊华编著, 2000

[6]

The classification of late seral forests in the Pacific Northwest, USA using Landsat ETM+ imagery[J] . Hong Jiang,James R Strittholt,Pamela A Frost,Nicholas C Slosser.Remote Sensing of Environment . 2004 (3)

[7] Asymptotic behaviors of support vector machines with Gaussian kernel [J].