發(fā)布時(shí)間：2024-05-12 21:47

　　【目的】及時(shí)、準(zhǔn)確地掌握林地信息是森林經(jīng)營管理的前提,高分辨率遙感影像為林地信息精細(xì)識別提供了可能�！痉椒ā恳援�(dāng)陽市玉泉鄉(xiāng)為研究區(qū),以國產(chǎn)衛(wèi)星高景一號(SV-1)遙感影像為數(shù)據(jù)源,提取各波段光譜信息和植被指數(shù)作為分類特征,采用特征可分性、重要性及特征間冗余度分別構(gòu)建了4種特征評價(jià)準(zhǔn)則,基于支持向量機(jī)(SVM)分類器對研究區(qū)進(jìn)行林地信息提取,結(jié)合森林資源二類調(diào)查結(jié)果進(jìn)行精度驗(yàn)證。【結(jié)果】1)評價(jià)準(zhǔn)則中,特征重要性優(yōu)于可分性,特征可分性受高度相關(guān)的特征組合(如OSAVI和NDVI等)的影響會造成分類精度的下降。2)在特征重要性和可分性的基礎(chǔ)上結(jié)合特征間冗余度能進(jìn)一步提高分類精度并有效降低特征維數(shù),特征維數(shù)由11維降至8維,特征可分性方法和特征重要性的分類精度分別提高了4.65%和4.58%;3)根據(jù)特征重要性結(jié)合冗余度選擇RGVI、EVI、B₁、B₃、B₂、DVI、RVI、Brightness 8個(gè)特征,建立SVM線性核分類模型可以達(dá)到最優(yōu)分類效果,總體分類精度高達(dá)92.49%,Kappa系數(shù)為0.908 4�！窘Y(jié)論】SV-...

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1研究區(qū)位置

高景一號01/02衛(wèi)星數(shù)據(jù)是我國商業(yè)遙感衛(wèi)星系統(tǒng)的首發(fā)星。全色波段空間分辨率為0.5m，多光譜波段設(shè)置有藍(lán)、綠、紅以及近紅外4個(gè)波段，空間分辨率為2m。景幅達(dá)60km×70km，重訪周期僅1d，在大面積地表觀測中具有獨(dú)特優(yōu)勢[24]。研究區(qū)影像的接收時(shí)間為2018年10....

圖2分類特征的特征重要性和特征可分性度量

通過計(jì)算，得到12個(gè)特征的特征重要性和特征可分性（圖2）及特征間冗余度（圖3），最終根據(jù)5種準(zhǔn)則對特征排序的結(jié)果如表2所示。圖2中，折線部分代表特征可分性，NDVI、OSAVI、RVI對各地類的可分性較高，RGVI和NDWI次之，而單波段的可分性均比較低；柱狀部分代表特征重要性，....

圖3分類特征的相關(guān)系數(shù)矩陣

圖2中，折線部分代表特征可分性，NDVI、OSAVI、RVI對各地類的可分性較高，RGVI和NDWI次之，而單波段的可分性均比較低；柱狀部分代表特征重要性，從特征重要性來看RGVI、RVI對分類準(zhǔn)確率的貢獻(xiàn)較大。而單波段中藍(lán)光波段特征重要性偏高，NDVI特征重要性偏低，與特征可分....

圖45種準(zhǔn)則下分類精度與特征維數(shù)的關(guān)系

支持向量機(jī)中常用核函數(shù)一般是線性核函數(shù)和高斯核函數(shù)。當(dāng)訓(xùn)練樣本數(shù)與特征維數(shù)的比值過大時(shí)，使用高斯核進(jìn)行映射將導(dǎo)致計(jì)算復(fù)雜和過擬合問題，因此本研究采用線性核函數(shù)進(jìn)行分類。根據(jù)表2的分類特征順序依次放入SVM線性核分類器，分類精度與特征維數(shù)的關(guān)系如圖4表示。由圖4可以看出，分類精度隨....

本文編號：3971943