基于多维特征优选支持向量机算法的城市土地利用变化遥感监测

• 作者: 周柱灿 郑云云 刘亚群
• 来源期刊: 三峡生态环境监测
• 学科: 地球科学
• 关键词: 城市土地利用 干旱调节归一化植被-水指数(dNDVWI) 全局J-M距离(GJM) 特征优化选择模型(FOSM) 可持续城市发展 渝北区
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 遥感监测
• 页码范围: 73-87
• 页数: 15页
• 分类号: P237
• 语种: 中文
• DOI: 10.19478/j.cnki.2096-2347.2022.01.09

摘要

随着遥感影像时、空、谱、辐分辨率和数据处理能力的提升,综合多维影像特征已成为提高土地利用分类精度的关键.目前并非所有特征均有助于分类,且传统分类仍拘泥于单一特征,因此,急需有效的特征优化选择方法.基于光谱指数、穗帽变换、最小噪声分离、高斯滤波、灰度共生矩阵等变换提取了Landsat TM/ETM+/OLI影像的31维特征,提出了特征优化选择指标和模型,基于最优特征组合开展了支持向量机算法(support vector machine,SVM)分类,识别了1996—2014年渝北区城市土地利用分布,并揭示了土地利用时空变化特征.结果表明:(1)不同特征在分类时各有优劣,多维特征组合的可分性明显高于单一特征,但掺杂无效特征会降低可分性.(2)基于全局Jeffries-Matusita(J-M)距离的特征优化选择模型(feature optimal selection model,FOSM)可有效遴选最优特征组合,有利于提升分类精度.(3)1996—2014年渝北区城市用地扩张了518.11％,主要占用林地和耕地,不利于生态系统可持续发展,退耕或撂荒还林还草和耕地开荒并存降低了生态保护成效.