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
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
共 8 条
[1]   基于纹理的乌兰布和沙漠地区植被信息提取 [J].
邵晓敏 ;
刘勇 .
遥感技术与应用, 2010, (05) :687-694
[2]   训练样本对TM尺度小麦种植面积测量精度影响研究(Ⅰ)——训练样本与分类方法间分类精度响应关系研究 [J].
朱秀芳 ;
潘耀忠 ;
张锦水 ;
王双 ;
顾晓鹤 ;
徐超 .
遥感学报, 2007, (06) :826-837
[3]   基于支持向量机的遥感图像分类方法 [J].
惠文华 .
地球科学与环境学报, 2006, (02) :93-95
[4]   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
[5]   基于分类回归树分析的遥感影像土地利用/覆被分类研究 [J].
赵萍 ;
傅云飞 ;
郑刘根 ;
冯学智 ;
BSatyanarayana .
遥感学报, 2005, (06) :708-716
[6]   基于决策树的遥感影像分类方法研究 [J].
李爽 ;
张二勋 ;
不详 .
地域研究与开发 , 2003, (01) :17-21
[7]   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
[8]   利用神经网络方法提取水稻种植面积——以湖北省双季早稻为例 [J].
阎静 ;
王汶 ;
李湘阁 .
遥感学报, 2001, (03) :227-230+246