本文選題：遙感應(yīng)用 + 西北旱區(qū)　； 參考：《測繪科學(xué)》2017年01期

【摘要】：針對較大范圍、不同時相、不同氣候和地貌類型的遙感影像的土地利用現(xiàn)狀分類問題,提出了一種結(jié)合標(biāo)準(zhǔn)植被指數(shù)和紋理特征的支持向量機(jī)法。此方法改進(jìn)了陜西延安、甘肅嘉峪關(guān)和青海果洛的遙感影像分類,有效地解決了最大似然法和BP神經(jīng)網(wǎng)絡(luò)法的缺陷造成的分類精度不高的問題。分類結(jié)果表明:與最大似然法和BP神經(jīng)網(wǎng)絡(luò)法相比,結(jié)合標(biāo)準(zhǔn)植被指數(shù)和紋理特征的支持向量機(jī)法的分類總精度最高(97.75%),Kappa系數(shù)為0.9691。該方法可為西北旱區(qū)遙感影像解譯和土地資源可持續(xù)發(fā)展戰(zhàn)略提供方法支撐。
[Abstract]:A support vector machine (SVM) method based on standard vegetation index and texture features is proposed for land use classification of remote sensing images with large range, different phases, different climatic and geomorphological types. This method improves the classification of remote sensing images in Yan'an, Jiayuguan and Guoluo, Qinghai Province, and effectively solves the problem of low classification accuracy caused by the defects of maximum likelihood method and BP neural network method. The classification results show that compared with the maximum likelihood method and BP neural network method, the total accuracy of SVM combined with standard vegetation index and texture features is the highest (97.7575) and the Kappa coefficient is 0.9691. This method can provide method support for interpretation of remote sensing image and sustainable development strategy of land resources.
【作者單位】： 西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院;
【基金】：國家科技支撐計(jì)劃子課題項(xiàng)目(2011BAD29B09-1-1C) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(QN2012042) 西北農(nóng)林科技大學(xué)博士科研啟動基金項(xiàng)目(201104050395)
【分類號】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈坤;李強(qiáng)子;田亦陳;吳炳方;;遙感影像分類方法研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年10期

2 朱丹瑤;;遙感影像分類方法研究[J];黑龍江科技信息;2012年33期

3 劉萌偉;曾廣鴻;袁國輝;裴亞波;楊子力;;基于基因表達(dá)式編程的遙感影像分類方法研究[J];安陽工學(xué)院學(xué)報(bào);2013年04期

4 孫立新,羅高平,張怡梅;遙感影像分類的歸類學(xué)習(xí)方法[J];測繪工程;1998年03期

5 李爽,丁圣彥,許叔明;遙感影像分類方法比較研究[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

6 黃艷;張超;蘇偉;岳安志;;合理尺度紋理分析遙感影像分類方法研究[J];國土資源遙感;2008年04期

7 余潔;郭培煌;陳品祥;張中山;軟文斌;;基于改進(jìn)的模糊c-均值聚類方法遙感影像分類研究(英文)[J];Geo-Spatial Information Science;2008年02期

8 溫兆飛;張樹清;陳春;劉春悅;李曉峰;李華朋;;三江源區(qū)湖泊和沼澤遙感影像分類研究[J];濕地科學(xué);2010年02期

9 付博;謝振紅;鄧彩群;;改進(jìn)的角度余弦方法在濕地遙感影像分類中的應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2010年04期

10 胡杏花;朱谷昌;徐文海;劉歡;李智峰;鄭緯;;基于分形紋理的遙感影像分類研究[J];礦床地質(zhì);2010年S1期

相關(guān)會議論文 前10條

1 劉忠陽;陳懷亮;杜子璇;鄒春輝;;基于決策樹方法的Landsat7 ETM+遙感影像分類研究[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會論文摘要集[C];2006年

2 王珊珊;季民;高潔;焦其松;;CBR方法在高分辨率遙感影像分類中的應(yīng)用[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

3 湯家法;;基于可拓分類器的遙感影像分類[A];第十七屆中國遙感大會摘要集[C];2010年

4 巫兆聰;;RBF網(wǎng)絡(luò)的粗糙表示與遙感影像分類應(yīng)用[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

5 楊劍;蒲英霞;何一鳴;;基于Getis的遙感影像分類研究[A];中國地理學(xué)會百年慶典學(xué)術(shù)論文摘要集[C];2009年

6 趙泉華;宋偉東;鮑勇;;基于分形紋理的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

7 王梁;韓坤英;;分形理論在遙感影像分類中的應(yīng)用[A];第十二屆全國數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會論文集[C];2013年

8 汪東川;龔建華;張利輝;;基于時間序列軌跡分析的遙感影像分類結(jié)果聯(lián)合校正[A];第十七屆中國遙感大會摘要集[C];2010年

9 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

10 ;結(jié)合光譜、紋理與形狀特征的高空間分辨率遙感影像分類(英文)[A];中國測繪學(xué)會第九次全國會員代表大會暨學(xué)會成立50周年紀(jì)念大會論文集[C];2009年

相關(guān)博士學(xué)位論文 前9條

1 王巍;基于Agent的遙感影像分類方法及其應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2016年

2 任廣波;基于半監(jiān)督學(xué)習(xí)的遙感影像分類技術(shù)研究[D];中國海洋大學(xué);2010年

3 譚琨;基于支持向量機(jī)的高光譜遙感影像分類研究[D];中國礦業(yè)大學(xué);2010年

4 巫兆聰;粗集理論在遙感影像分類中的應(yīng)用[D];武漢大學(xué);2004年

5 易俐娜;面向?qū)ο筮b感影像分類不確定性分析[D];武漢大學(xué);2011年

6 胥海威;基于改進(jìn)隨機(jī)聚類決策森林算法的遙感影像分類研究[D];中南大學(xué);2012年

7 徐盛;基于主題模型的高空間分辨率遙感影像分類研究[D];上海交通大學(xué);2012年

8 劉志剛;支撐向量機(jī)在光譜遙感影像分類中的若干問題研究[D];武漢大學(xué);2004年

9 丁勝;智能優(yōu)化算法在高光譜遙感影像分類中的應(yīng)用研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳聰;面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[D];昆明理工大學(xué);2015年

2 周楊;面向?qū)ο蟮母叻直媛蔬b感影像分類技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 李奇峰;結(jié)合多特征描述和SVM的遙感影像分類研究[D];鄭州大學(xué);2015年

4 宋曉陽;面向?qū)ο蟮倪b感分類系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2014年

5 張靜;西北旱區(qū)遙感影像分類方法研究[D];西北農(nóng)林科技大學(xué);2016年

6 王慧;融合各最優(yōu)尺度下特征的高分辨率遙感影像分類[D];南京信息工程大學(xué);2016年

7 姚嘯;面向?qū)ο蟮母叻诌b感影像分類在森林蓄積量估測中的應(yīng)用研究[D];西安科技大學(xué);2015年

8 麥超;基于稀疏約束受限玻爾茲曼機(jī)的高分辨率遙感影像分類[D];長安大學(xué);2016年

9 崔姍姍;基于Hadoop平臺下森林景觀遙感影像分類技術(shù)研究[D];東北林業(yè)大學(xué);2016年

10 陳珂;遙感影像分類結(jié)果的空間抽樣精度檢驗(yàn)方法研究[D];上海海洋大學(xué);2016年

，

本文編號：1854748