喀斯特地区土地分类方法研究

• 作者: 何朝霞
• 来源期刊: 安徽农业科学
• 学科: 农学
• 关键词: 最大似然 神经网络 支持向量机 土地分类 精度
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 基础科学与方法
• 页码范围: 4-7
• 页数: 4页
• 分类号: S127|P237
• 字数: 2748字
• 语种: 中文

摘要

[目的]寻找喀斯特地区土地最优分类方法.[方法]选取覆盖柳州市的美国陆地卫星的Landsat-5TM数字影像(2011年),采用最大似然、神经网络和支持向量机(SVM)3种分类方法,对研究区域的土地进行分类,比较分类后的混淆矩阵,分别求出3种分类结果的总体正确率和Kappa系数.[结果]3种分类方法的总体正确率都在90％以上,Kappa系数也较高;SVM分类方法的总体分类正确率和Kappa系数最高,优于神经网络、最大似然法分类.[结论]SVM分类方法可提高喀斯特地区土地利用信息遥感分类的精度,为后期有效地动态监测喀斯特地区土地利用的变化奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何朝霞	长江大学工程技术学院	23	32	3.0	4.0