基于单时相MODIS数据的土地覆盖三种分类方法对比研究

被引：8

作者：

徐晓桃 ^{[1
]}

韩涛 ^{[2
]}

颉耀文 ^{[1
]}

机构：

[1] 兰州大学西部环境教育部重点实验室

[2] 中国气象局兰州干旱气象研究所甘肃省干旱气候变化与减灾重点实验室中国气象局干旱气候变化与减灾重点开放实验室

来源：

干旱地区农业研究 | 2008年 / 03期

关键词：

MODIS; 最大似然法; BP神经网络; 决策树; See5.0; 土地覆盖分类;

D O I：

暂无

中图分类号：

S127 [遥感技术在农业上的应用];

学科分类号：

082804 ;

摘要：

以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度。

引用

页码：253 / 258

页数：6

共 20 条

[1] 基于MODIS影像对NDVI和EVI的分类研究 [J].