基于SVM的东莞市土地利用/覆被自动分类误差来源与后处理

发布时间：2023-01-28 09:20

　　城市化是过去一个多世纪以来世界的发展趋势,城市化显著改变城市地区土地利用/覆被,并引起诸如水资源短缺,洪水灾害加重,水环境恶化,生态系统退化等负面效应,如何更加准确估算城市化引起的土地利用/覆被变化不仅是研究城市化过程特征的需要,也是研究城市化所引起的各种效应的需要,并且一直是国际遥感和应用界的研究热点和难点。东莞市是改革开放以来我国城市化速度最快的城市。为了给研究东莞市城市化过程及其各种效应提供高精度且完整的城市化过程的长系列土地利用/覆被变化数据,基于1987~2015年间12期Landsat遥感影像,采用SVM算法对东莞市土地利用/土地覆被变化数据进行了自动分类,并对分类误差来源进行了分析总结,提出了自动分类结果后处理方法,制备了东莞市城市化过程土地利用/覆被变化数据。12期遥感影像自动分类的总体精度为81.37%,Kappa系数为0.75;最终结果总体精度为86.87%,Kappa系数为0.83。通过土地利用变化特征分析,将东莞市城市化过程以1996年和2005年为节点,划分为起步发展、快速发展和稳定发展3个阶段。 

【文章页数】：11 页

【文章目录】：
1 引言
2 研究区域与数据
    2.1 研究区
    2.2 遥感影像获取与预处理
3 基于SVM算法的东莞市LUCC自动分类
    3.1 SVM算法简介
    3.2 训练样本选择
    3.3 基于SVM的遥感影像自动分类
4 SVM土地利用/覆被自动分类误差来源与结果后处理
    4.1 清溪水流域遥感影像目视解译
    4.2 SVM土地利用/覆被自动分类误差来源分析
    4.3 SVM土地利用/覆被自动分类结果后处理方法
    4.4 东莞市LUCC长系列结果后处理
5 东莞市城市化过程的阶段性
    5.1 东莞市城市化过程阶段划分
    5.2 不同阶段土地利用变化
6 结语


【参考文献】：
期刊论文
[1]影响ETM影像土地利用/覆盖分类精度因素的研究[J]. 赵慧,汪云甲.  遥感技术与应用. 2012(04)
[2]遥感影像土地利用/覆盖分类方法研究进展[J]. 史泽鹏,马友华,王玉佳,马中文,黄勤,黄艳艳.  中国农学通报. 2012(12)
[3]基于支持向量机的土地覆被遥感分类[J]. 田源,塔西甫拉提·特依拜,丁建丽,张飞,依力亚斯江·努尔麦麦提,韦建波.  资源科学. 2008(08)
[4]一种基于分形维数的高光谱遥感波段选择算法研究[J]. 苏红军,杜培军,盛业华.  测绘通报. 2007(03)



本文编号：3732474