高分辨率影像的干旱区植被信息提取方法

• 作者: 何磊 别强 王超 赵传燕
• 来源期刊: 干旱区资源与环境
• 学科: 生物学
• 关键词: 干旱区 高分辨率影像 纹理特征 决策树 人工神经网络 支持向量机
• 年，卷（期）: 2012,（11）
• 页码范围: 132-138
• 分类号: Q948.15
• 语种: 中文

摘要

基于黑河下游额济纳旗地区的Quickbird影像,采用决策树（Decision Tree）、人工神经网络（Artifi-cial neural net,ANN）及支持向量机（Support Vector Machine,SVM）方法对干旱区植被信息进行提取。对三种方法的精度进行评价,结果显示：决策树分类得到的结果零碎,总体分类精度为84.87%;ANN法较决策树方法适宜度高,总体分类精度为91.87%;纹理信息辅助的SVM法取得效果最好,总体分类精度可达96.53%。试验中发现使用高分辨率影像提取干旱区植被种类信息时,大窗口的纹理特征辅助效果较好,但是分类结果的边界出现失常,随着纹理窗口越大,失常的范围也越大。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	兰州大学遥感与地理信息系统研究所	33	349	11.0	18.0
2	赵传燕	兰州大学草地农业系统国家重点实验室	101	1543	25.0	33.0
3	别强	兰州大学遥感与地理信息系统研究所	15	193	8.0	13.0
4	何磊	兰州大学遥感与地理信息系统研究所	13	212	8.0	13.0