干旱区生态环境知识资源中心(Arid): 西北旱区遥感影像分类的支持向量机法

Arid

	西北旱区遥感影像分类的支持向量机法
其他题名	The support vector machine method for RS imagesclassification in northwest arid area
	张静; 张翔; 田龙; 张青峰
来源期刊	测绘科学
ISSN	1009-2307
出版年	2017
卷号	42 期号:1 页码:49-52,058
中文摘要	针对较大范围、不同时相、不同气候和地貌类型的遥感影像的土地利用现状分类问题,提出了一种结合标准植被指数和纹理特征的支持向量机法。此方法改进了陕西延安、甘肃嘉峪关和青海果洛的遥感影像分类,有效地解决了最大似然法和BP神经网络法的缺陷造成的分类精度不高的问题。分类结果表明:与最大似然法和BP神经网络法相比,结合标准植被指数和纹理特征的支持向量机法的分类总精度最高(97.75%),Kappa系数为0.9691。该方法可为西北旱区遥感影像解译和土地资源可持续发展战略提供方法支撑。
英文摘要	Aiming at the classification method for the field of land resources of remote sensing images, which cover a large area with different climate and geomorphology at different phases,this paper provides a support vector machine(SVM)method based on the NDVI and texture feature.It improve the classification precision of the northwest arid areas at Yanan in Shaanxi,Jiayuguan in Gansu and Guoluo in Qinghai, solved the problem of not high classification accuracy in the maximum likelihood and BP neural network method because of their own defects.The result shows that:compared with the maximum likelihood method and BP neural network method,the SVM method has the highest classification accuracy(97.75%)with its Kappa coefficient was 0.9691.The SVM method can provide a methodological reference for the land resources sustainable development strategic.
中文关键词	遥感应用 ; 西北旱区 ; 支持向量机 ; 遥感影像分类
英文关键词	remote sensing application northwest arid area support vector machines(SVM) remote sensing image classification
语种	中文
国家	中国
收录类别	CSCD
WOS类目	GEOSCIENCES MULTIDISCIPLINARY
WOS研究方向	Geology
CSCD记录号	CSCD:5898708
来源机构	西北农林科技大学
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/235715
作者单位	西北农林科技大学资源环境学院, 杨凌, 陕西 712100, 中国
推荐引用方式 GB/T 7714	张静,张翔,田龙,等. 西北旱区遥感影像分类的支持向量机法[J]. 西北农林科技大学,2017,42(1):49-52,058.
APA	张静,张翔,田龙,&张青峰.(2017).西北旱区遥感影像分类的支持向量机法.测绘科学,42(1),49-52,058.
MLA	张静,et al."西北旱区遥感影像分类的支持向量机法".测绘科学 42.1(2017):49-52,058.