共 8 条
影响ETM影像土地利用/覆盖分类精度因素的研究
被引:11
作者:
赵慧
[1
,2
]
汪云甲
[1
,2
]
机构:
[1] 中国矿业大学环境与测绘学院
[2] 中国矿业大学国土环境与灾害监测国家测绘局重点实验室
来源:
关键词:
决策树;
支持向量机;
训练样本量;
土地利用/覆盖分类;
D O I:
暂无
中图分类号:
F301 [土地经济学];
TP79 [遥感技术的应用];
P237 [测绘遥感技术];
学科分类号:
082802 ;
1204 ;
120405 ;
1404 ;
摘要:
训练样本量、辅助数据和分类法是影响土地利用/覆盖分类精度的3个主要因素,通过找到这3个因素的最佳组合方式以提高分类精度,分别在25%、50%、75%、100%样本量下,加入NDVI、DEM和纹理均值特征作为辅助数据,比较了分类回归树、支持向量机、最大似然法3种分类法的效果,探讨了训练样本、辅助数据以及分类技术对土地利用/覆盖分类精度的影响。结果表明:支持向量机总体分类精度较高,在相同样本量和没有有效辅助数据的情况下,SVM可以获得最佳的分类结果,总体分类精度在85%以上;在进行分类时,加入NDVI和纹理均值特征使分类回归树分类精度提高了2.82%,说明该方法对有效辅助数据的加入较为敏感;在获取的训练样本集有限而可获取有效的辅助数据时,应优先考虑利用分类回归树进行土地利用/覆盖分类。
引用
收藏
页码:600 / 608
页数:9
相关论文