基于GF-1数据复杂地区地物类型提取探究

作者：张德军; 颜玮; 陈志军; 祝好; 何泽能; 饶志杰; 杨世琦^*

来源：西南大学学报(自然科学版), 2021, 43(11): 172-185.

DOI：10.13718/j.cnki.xdzk.2021.11.020

• 土地利用
• GF-1
• 支持向量机
• 随机森林
• 人工神经网络

土地利用/土地覆盖作为人类活动对地球环境影响的一个重要指标,其在全球变化和土地覆盖变化监测中发挥着重要作用.以重庆市永川区为例,以国产GF-1 PMS为数据源,分别采用随机森林(Random Forest, RF)、支持向量机法(Support Vector Machine, SVM)和人工神经网络(Artificial Neural Network, ANN)算法实现研究区内地表覆盖类型的提取.对比结果表明:在训练样本相同的条件下,RF算法地物分类精度要优于SVM和ANN算法,尤其是林地、道路和大棚三类地物RF算法分类精度与SVM和ANN算法分类精度之间差异较大.但RF分类结果中依旧存在像元错分和漏分现象,本研究利用易混淆像元在NDVI和形状上的差异,实现了RF分类结果中易混淆像元的修正,提高了地物分类的精度.

• 单位
  重庆市气象科学研究所