基于ALOS遥感影像植被分类方法的比较研究

doi:10.13466/j.cnki.lyzygl.2015.04.012

林业资源管理 ›› 2015›› Issue (4): 69-72.doi: 10.13466/j.cnki.lyzygl.2015.04.012

基于ALOS遥感影像植被分类方法的比较研究

滕全晓, 徐天蜀

西南林业大学林学院,昆明 650224

出版日期:2015-08-28 发布日期:2020-12-01
通讯作者: 徐天蜀(1964-),女,云南昭通人,教授,博士,主要从事林业资源管理及林业“3S”技术应用研究。Email:TSXue64@163.com
作者简介:滕全晓(1990-),男,山东烟台人,在读硕士,主要从事林业“3S”技术应用研究。Email:tqx-1990@163.com
基金资助:
国家自然科学基金项目(31260156)

ALOS Remote Sensing Classification of Vegetation Based on Different Classification Methods

TENG Quanxiao, XU Tianshu

College of Forestry,Southwest Forestry University,Kunming 650224,China

Online:2015-08-28 Published:2020-12-01

摘要/Abstract

摘要： 以云南省宜良县ALOS影像为基础数据,利用最大似然法、支持向量机方法和面向对象的支持向量机方法对ALOS影像进行植被分类研究。实验结果最大似然法分类精度为79.33%,支持向量机方法分类精度为82.25%,面向对象的支持向量机分类方法精度为86.13%,面向对象的支持向量机分类方法取得较好的分类效果。研究结果可为中高分辨率遥感影像分类研究提供参考。

关键词: ALOS, 最大似然法, 支持向量机, 面向对象

Abstract: Based on the data of ALOS image of Yiliang County,Yunnan Province,this paper discusses the use of the maximum likelihood method,support vector machine method and object-oriented support vector machine(SVM).The results show that maximum like-lihood classification accuracy is 79.33%,SVM classification accuracy 82.25%,oriented object based support vector machine classification accuracy 86.13%,and oriented-object based support vector machine classification method has better classification results.The results can provide a reference for the study of high-resolution remote sensing image classification。

Key words: ALOS, maximum likelihood method, SVM, object-oriented

中图分类号:

S771.8

滕全晓, 徐天蜀. 基于ALOS遥感影像植被分类方法的比较研究[J]. 林业资源管理, 2015,(4): 69-72.

TENG Quanxiao, XU Tianshu. ALOS Remote Sensing Classification of Vegetation Based on Different Classification Methods[J]. FOREST RESOURCES WANAGEMENT, 2015,(4): 69-72.

参考文献 8

[1]	赵红,邓轶.ALOS全色与多光谱影像融合方法的比较研究[C]//International Conference on Remote Sensing(ICRS),2010:653-657.
[2]	王增林,朱大明.基于遥感影像的最大似然分类算法的探讨[J].河南科学,2010(11):1458-1461.
[3]	杨冉冉.基于ALOS数据的遥感森林分类研究[D].北京:首都师范大学,2013:38-39.
[4]	张策,臧淑英,金竺,等.基于支持向量机的扎龙湿地遥感分类研究[J].湿地科学,2011(3):263-267.
[5]	姚磊.基于支持向量机的遥感影像分类研究[D].济南:山东师范大学,2012:10-16.
[6]	童磊,邹峥嵘.基于高分辨率卫星影像的城市用地信息提取研究[J].测绘与空间地理信息,2009(2):128-130.
[7]	吴慧惠,面向对象的高分辨率遥感影像森林植被信息提取[D].北京:北京林业大学,2012:8-10.
[8]	李盼池,许少华.支持向量机在模式识别中的核函数特性分析[J].计算机工程与设计,2005(2):302-304.

[1]	梁立成, 傅晓强, 张滨, 程谷栒, 李佐晖. 基于GEE与随机森林的象山港互花米草动态监测[J]. 林业资源管理, 2023, 0(3): 38-45.
[2]	谢文春, 李强峰, 李艳春, 吴振山, 杨正凡. 基于面向对象的吉林一号遥感影像湿地植被群落分类[J]. 林业资源管理, 2023, 0(1): 141-152.
[3]	周辰琴, 余拥军, 方陆明, 刘雨真, 胡建锦. 飞行高度与郁闭度对水杉冠幅提取影响的研究[J]. 林业资源管理, 2022, 0(1): 150-156.
[4]	张殿岱, 王雪梅. 基于高分辨率遥感影像的植被分类方法比较[J]. 林业资源管理, 2021, 0(3): 108-113.
[5]	金忠明, 曹姗姗, 王蕾, 孙伟. 天山云杉林无人机可见光影像树冠信息提取方法研究[J]. 林业资源管理, 2020, 0(1): 125-135.
[6]	赵勋, 岳彩荣. 基于遥感数据的林地变化检测方法研究[J]. 林业资源管理, 2019, 0(1): 101-108.
[7]	梁文海, 刘吉凯, 陈琦, 陈显栋, 钟仕全. 基于面向对象方法的GF-2影像桉树信息提取对比分析[J]. 林业资源管理, 2017, 0(6): 54-59.
[8]	王枚梅, 林家元, 林沂, 李翊. 基于无人机可见光影像的亚高山针叶林树冠参数信息自动提取[J]. 林业资源管理, 2017, 0(4): 82-88.
[9]	尹凌宇, 覃先林, 孙桂芬, 祖笑锋, 陈小中. 基于高分二号多光谱数据的树种识别方法[J]. 林业资源管理, 2016, 0(4): 121-127.
[10]	林辉. 基于PCI软件的正射纠正及控制点选取技术探讨[J]. 林业资源管理, 2016, 0(2): 106-109.
[11]	李春干, 梁文海. 面向对象遥感图像森林变化检测的工程化应用方法[J]. 林业资源管理, 2015, 0(6): 137-143.
[12]	孟雪, 温小荣, 林国忠, 佘光辉. 基于资源3号卫星的面向对象地类信息提取方法研究[J]. 林业资源管理, 2015, 0(4): 104-108.
[13]	杨飞, 刘丽峰, 王学成. 基于面向对象方法和SPOT5的丘陵山区林地分类研究[J]. 林业资源管理, 2014, 0(5): 92-99.
[14]	牟智慧, 杨广斌. 基于TM影像面向对象的桉树信息提取[J]. 林业资源管理, 2014, 0(2): 119-125.
[15]	付强, 代华兵, 薛晓坡. 高分辨率遥感影像森林覆盖变化检测研究[J]. 林业资源管理, 2013, 0(5): 76-79.

基于ALOS遥感影像植被分类方法的比较研究

ALOS Remote Sensing Classification of Vegetation Based on Different Classification Methods

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 8

相关文章 15

编辑推荐

Metrics

本文评价