朱星磊
- 作品数：2 被引量：4H指数：1
- 供职机构：贵州师范大学地理与环境科学学院更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 喀斯特石漠化地区遥感影像的决策树分类——以贵州省黔南州长顺县凯佐乡为例
- 2013年
- 喀斯特石漠化是在自然和人为因素相互作用下土地退化的现象。石漠化地区的遥感影像分类以往采用的是监督分类和非监督分类,但它们单纯地利用像元的亮度特征,分类精度低,往往不能满足实际的应用需要。决策树分类是一种新的遥感影像分类技术。以凯佐乡为研究对象,使用了ASTER影像数据、DEM和岩性数据,通过提取归一化植被指数、比值植被指数、地形坡度等数据建立分类规则,构建决策树。在ENVI软件支持下,获得了研究区的决策树分类影像。通过计算影像分类精度和Kappa系数。得到了以下结论:运用决策树分类法对石漠化地区遥感影像进行分类,可取得较理想的分类效果;实现了石漠化信息的自动化提取;若采用的遥感影像波段更多,DEM分辨率更高并减少数据处理中的误差将能够进一步提高分类精度。
- 马书勇朱星磊安裕伦
- 关键词：喀斯特石漠化地区影像分类决策树
- 喀斯特地区遥感影像解译新算法——支持向量机算法被引量：4
- 2011年
- 现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。
- 朱星磊安裕伦黄祖宏王静敏
- 关键词：喀斯特地区影像解译最大似然算法支持向量机算法
