科研之友
微信
新浪微博
Facebook
分享链接
摘要
影像解译中对土地利用单分类的关注成为遥感研究的热点问题,并引入和发展了很多新颖的算法,其中最大熵模型(MaxEnt)被评价为最有潜力的单分类算法,被广泛应用于土地利用的单分类研究。然而,这些单分类算法(包括MaxEnt)是否能够进行土地利用多分类尚不明晰。为了解决该问题,本研究建立了利用MaxEnt进行遥感土地利用多分类的技术流程,并将该流程应用在云岩河流域的土地利用多分类研究中。使用总体分类精度、Kappa系数、灵敏度以及特异度评估MaxEnt的总体分类效果以及在各个地类上的预测表现;同时我们还使用Kappa值评估MaxEnt与RF、MLC、SVM在土地利用图预测上的一致性表现。结果表明:(1)MaxEnt的分类表现最好,总体分类精度为84%,Kappa系数为0.8;(2)MaxEnt在各个地类上没有最差的表现,甚至在某些地类上达到了最优的表现;(3)MaxEnt与RF、SVM的分类一致性较高,这3种算法预测的土地利用图之间一致性评估Kappa值均超过了0.6;(4)MLC与其他3种分类算法预测土地利用图的差异较大,Kappa值小于0.4,说明MLC不适合该地区的土地利用解译。本研究建立的技术流程仅仅依赖于土地利用发生概率,而不依赖于阈值选择,从而使得以MaxEnt为代表的单分类算法在遥感土地多分类应用中能够发挥巨大潜力。对于大范围的土地利用解译,加入并行计算将有利于提高利用MaxEnt解决多分类问题的时间效率。
- 单位
