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：三峡生态环境监测, 2022, 7(01): 73-87.

DOI：10.19478/j.cnki.2096-2347.2022.01.09

• 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

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。

• 单位
  中国科学院地理科学与资源研究所