基于SVM的大屯矿区遥感影像变化检测

摘要：

矿区土地覆盖变化信息的高精度提取,是区域资源环境保护和地质灾害防治领域的关键问题.以SPOT-5高分辨率卫星影像为数据源,以分类后比较法为变化信息提取方法,利用分类性能良好的支持向量机(SVM)为分类算法,分别设置不同SVM核函数及参数对实验样区进行分类,并评价分析不同核函数及参数对分类效果的影响.实验发现在4种核函数中高斯核函数分类精度最高,为87.1％;Sigmoid和多项式核函数分类精度适中,线性核函数分类精度最低,为78.7％.因此,利用高斯核函数分别对3个时相的大屯矿区影像进行分类,提取出变化信息空间分布并定量统计分析其变化特征.结果 表明:矿区植被覆盖面积在近十年内持续减少18.539 km2,塌陷面积共扩大4.379 km2,而矿区厂矿增加、煤矿开采规模扩大、采煤塌陷区面积扩大以及耕地占用面积增大等人为因素,是威胁大屯矿区生态环境的主要因素.

关键词：SPOT-5数据、变化检测、分类后比较、支持向量机、矿区

所属期刊栏目：43

分类号：P237;TP79(摄影测量学与测绘遥感)

在线出版日期：2021-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：107-110,115