基于SVM与多源数据融合的土地利用分类
土地利用与土地覆盖变化是全球变化研究的重要内容，土地覆盖变化对地面反照率和地球生物化学循环，区域的水质和水量，生物多样性及陆地生态系统的初级生产力和环境适应能力产生深刻的影响，因此及时准确地获取土地覆盖信息对政府决策部门和科学研究都具有重要意义。随着遥感平台的多样化和图像分辨率的提高，遥感技术已成为土地利用与土地覆盖变化研究中不可或缺的手段。
在遥感影像的土地利用/土地覆盖分类中，解译标志，即分类特征指标，作为联系图像信息和土地利用的生态学特征之间的纽带，是提高遥感影像分类的一个重要因素。另外，选择好的分类方法，也是实现高精度、智能化的进行遥感影像分类的前提条件。
本文以2000年获取的Landsat TM影像作为主信息源，根据目前土地利用/土地覆盖调查过程中沿用的3级分类系统，在研究区进行了土地利用分类，主要的工作如下：
(1)对TM影像的几个光谱波段进行选择，挑选最佳波段组合作为分类特征；考虑到植被指数对水体和湿地的影响，将植被指数也作为分类特征之一。结合光谱特征和植被指数进行土地利用分类，结果表明光谱特征是起主导作用的，结合植被指数后，有效的分离出水体和湿地，提高了分类精度。
(2)在分类方法上，采用SVM进行影像分类，通过和其它传统的遥感影像分类方法比较。结果表明，SVM在解决小样本、高维问题方面具有独特的优势，分类精度较高，在遥感影像分类中的应用有得天独厚的优势。
(3)结合SPOT影像，进行了高分辨率影像和多光谱影像的数据融合，并对融合后的影像，利用SVM进行了分类。实验结果表明，综合利用数据融合和智能方法进行遥感影像土地利用分类，可以综合各自的优点来提高土地利用的分类精度。
多源数据融合;土地利用;土地覆盖分类;遥感影像;多光谱影像
华中科技大学
硕士
系统分析与集成
姜铁兵;易善桢
2007
中文
TP751;F301.2
57
2011-03-14（万方平台首次上网日期，不代表论文的发表时间）