高分辨率影像的干旱区植被信息提取方法

摘要：

基于黑河下游额济纳旗地区的Quickbird影像,采用决策树（Decision Tree）、人工神经网络（Artifi-cial neural net,ANN）及支持向量机（Support Vector Machine,SVM）方法对干旱区植被信息进行提取。对三种方法的精度进行评价,结果显示：决策树分类得到的结果零碎,总体分类精度为84.87%;ANN法较决策树方法适宜度高,总体分类精度为91.87%;纹理信息辅助的SVM法取得效果最好,总体分类精度可达96.53%。试验中发现使用高分辨率影像提取干旱区植被种类信息时,大窗口的纹理特征辅助效果较好,但是分类结果的边界出现失常,随着纹理窗口越大,失常的范围也越大。

关键词：干旱区、高分辨率影像、纹理特征、决策树、人工神经网络、支持向量机

所属期刊栏目：26

分类号：Q948.15(植物学)

资助基金：国家自然科学基金重点项目91025015;国家环境保护公益性资助项目NEPCP 20809098;中国-联合国合作非洲水行动项目2010DFA32850

在线出版日期：2013-01-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：132-138