CHRIS高光谱图像森林类型分类方法比较研究

• 作者: 张秋良 李增元 李小梅 谭炳香
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: CHRlS/PROBA 森林类型 高光谱遥感 特征提取
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 227-234
• 分类号: TP79
• 语种: 中文

摘要

以长白山为试验区,选择CHRIS/PROBA高光谱零度角遥感数据,在对其进行预处理的基础上,通过应用最大似然法(MLC)、最小距离法、支持向量机法(SVM)和光谱角填图法(SAM)等几种常用的高光谱遥感分类方法对影像进行森林类型分类.利用混淆矩阵对分类结果进行验证,结果显示:在高光谱遥感森林类型分类中,SVM总体分类精度最高,为84.60%;其次是MLC,为83.53%,最小距离法73.81%,SAM 56.49%.Kappa系数从高到底为:SVM 0.78,MLC 0.77,最小距离法0.68,SAM 0.52.经过比较分析,得出SVM分类方法精度最高,这表明该方法用于高光谱遥感森林分类中的实用性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秋良	内蒙古农业大学林学院	160	1681	21.0	32.0
2	李增元	中国林业科学院资源信息研究所	162	3306	33.0	49.0
3	谭炳香	中国林业科学院资源信息研究所	43	898	18.0	29.0
4	李小梅	中国林业科学院资源信息研究所	7	81	6.0	7.0