10.14067/j.cnki.1673-923x.2017.04.009
基于支持向量机的Landsat-8影像森林类型识别研究
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。
Landsat-8、纹理和光谱、支持向量机、森林分类
37
S758(森林经营学、森林计测学、森林经理学)
林业公益性行业科研专项201504319
2017-03-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
52-58