基于支持向量机的Landsat-8影像森林类型识别研究

摘要：

以吉林省汪清林业局天然林区为研究区，利用Landsat-8 OLI_TIRS多光谱遥感影像，结合森林资源野外调查数据，提取森林类型纹理、光谱特征参数，作为支持向量机的输入量，利用K-折交叉验证法确定最优核函数，识别森林类型，确定最优分类结果，评价分类精度，并与仅利用波段光谱特征的SVM分类结果进行精度对比。结果表明：利用纹理和光谱特征进行分类，构造SVM进行森林识别是可行的。惩罚系数C=100.0、核函数半径σ=1.000时的径向基核函数构造的支持向量机分类精度最好，总体分类精度可达89.58%，Kappa系数为0.87，单一分类精度中，阔叶林＞针叶林＞针阔混交林。只利用光谱特征的分类结果精度为81.26%，结合光谱和纹理特征的规律，能够提高分类精度。

关键词：Landsat-8、纹理和光谱、支持向量机、森林分类

所属期刊栏目：37

分类号：S758(森林经营学、森林计测学、森林经理学)

资助基金：林业公益性行业科研专项201504319

在线出版日期：2017-03-09（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：52-58