吉林大学学报(地球科学版) ›› 2016, Vol. 46 ›› Issue (2): 617-626.doi: 10.13278/j.cnki.jjuese.201602306
• 地球探测与信息技术 • 上一篇
杨雪峰1, 王雪梅1,2, 毛东雷1,2
Yang Xuefeng1, Wang Xuemei1,2, Mao Donglei1,2
摘要：
通过对塔里木河下游MISR卫星多角度观测数据的不同组合构建多角度数据集,探索多角度观测与传统垂直观测对土地利用覆被遥感制图效果的影响,分别使用SVM(支持向量机)与传统的MLC(最大似然分类法)作为分类器,对分类后得到的混淆矩阵进行分析。结论证实:无论是使用传统的MLC还是SVM作为分类器,多角度观测都取得比垂直观测更高的总体分类精度;MISR近红外波段虽然分辨率较低,但依然含有丰富的信息,对地表覆被的分类有重要影响;无论使用哪一数据集,SVM法都能获得更高的分类精度;不同相机对分类结果的影响各不相同,其中C、D相机的作用更重要。
中图分类号:
| [1] Richardson A J, Wiegand C L. Distinguishing Vegetation from Soil Background Information[J]. Photogram Engi & Remote Sensing, 1977, 43(12):1541-1552.[2] 阿布都沙拉木·加拉力丁.塔里木河流域胡杨保护区土地覆盖变化研究[J].干旱区资源与环境, 2010, 24(1):154-157. Abdisalam Jalaldin. Study on Land Cover Change of Tarim Poplar Nature Reservation[J]. Journal of Arid Land Resources and Environment, 2010, 24(1):154-157.[3] Buhe A, Tsuchiya K, Kaneko M, et al. Land Cover of Oases and Forest in Xinjiang, China Retrieved from ASTER Data[J]. Advances in Space Research, 2007, 39(1):39-45.[4] 黄粤,包安明.间歇性输水影响下的2001-2011年塔里木河下游生态环境变化[J].地理学报, 2013, 9(68):1251-1262. Huang Yue, Bao Anming. Eco-Environmental Change in the Lower Tarim River Under the Influence of Intermittent Water Transport[J]. Acta Geographica Sinica, 2013, 9(68):1251-1262.[5] 张旭,刘新春.EOS MODIS影像处理在塔里木河下游植被监测中的应用[J].干旱区研究, 2005,22(4):532-536. Zhang Xu, Liu Xinchun. Study on the EOS/MODIS Image Processing and Its Application in Monitoring the Vegetation Change in the Lower Reaches of the Tarim River[J]. Arid Zone Research, 2005, 22(4):532-536.[6] Diner D J, Beckert J C, Reilly T H. Multi-Angle Imaging Spectroradiometer (MISR) Instrument Description and Experiment Overview[J].IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(4):1072-1087.[7] Chopping M J, Rango A, Ritchie J C. Improved Semi-Arid Community Type Differentiation with the NOAA AVHRR via Exploitation of the Directional Signal[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(5):1132-1149.[8] Su L, Chopping M J. Differentiation of Semi-Arid Vegetation Types Based on Multi-Angular Observations from MISR and MODIS[J]. International Journal of Remote Sensing, 2007,6(28):1419-1424.[9] Jiao Z, Hill M J, Schaaf C B, et al. An Anisotropic Flat Index (AFX) to Derive BRDF Archetypes from MODIS[J]. Remote Sensing of Environment, 2014, 141(4):168-187.[10] 刘晏良.塔里木河中下游实地踏勘报告[M].北京:中国统计出版社,2000. Liu Yanliang. The Report of Field Survey of Talimu River[M]. Beijing:The Statistics Publishing House of China, 2000.[11] 张绘芳,李霞.塔里木河下游胡杨种群空间分布格局分析[J].西北植物学报,2006,26(10):2125-2130. Zhang Huifang, Li Xia. Spatial Distribution Pattern of Populuseuphratica Populations in the Lower Reaches of Tarim River[J]. Acta Botanica Boreali-Occidentalia Sinica, 2006,26(10):2125-2130.[12] Diner D J, Martonchik J V, Borel, et al. Multi-Angle Imaging Spectro-Radiometer Level 2 Surface Retrieval Algorithm Theoretical Basis Document[EB/OL].[2014-12-02]. http://eospso.gsfc.nasa.gov/eos_homepage/for_scientists/atbd/docs/MISR/atbd-misr-10.pdf.[13] MISR Homepage[EB/OL].[2015-05-15]. http://www.misr.jpl.nasa.gov/.[14] MISR Data Products Specifications[EB/OL].[2015-05-15]. http://eosweb.larc.nasa.gov/.[15] Rahman H, Dedieu G. SMAC:A Simplified Method for the Atmospheric Correction of Satellite Measurements in the Solar Spectrum[J]. International Journal of Remote Sensing, 1994,15(1):123-143.[16] 武红敢,涂琼.WorldView2影像的单株木监测潜力分析:以杭州西山地区为例[J].林业资源管理,2012(6):92-96. Wu Honggan, Tu Qiong. Analysis on Monitoring Potential of Individual Trees Based on WorldView2 Image:A Case Study of West Mountain Areas in Hangzhou City[J]. Forest Resources Management, 2012(6):92-96.[17] 孙家抦.遥感原理与应用[M].武汉:武汉大学出版社,2003. Sun Jiabing. Principles and Applications of Remote Sensing[M]. Wuhan:Wuhan University Press, 2003.[18] Exelis. ENVI Homepage[EB/OL].[2014-12-01] http://www.exelisvis.com/.[19] Vapnik V. The Nature of Statistical Learning Theory[M]. NewYork:Springer-Verlag,1995.[20] Giorgos Mountrakis, Jungho Im. Support Vector Ma-chines in Remote Sensing:A Review[J]. Journal of Photogrammetry and Remote Sensing, 2011, 66:247-259.[21] Chang C C, Lin C J. LIBSVM:A Library for Support Vector Machines[EB/OL].[2014-05-01]. http://www.csie.ntu.edu.tw/~cjlin/libsvm. |
| [1] | 杨兰, 王运, 邹勇军, 胡宝群, 李满根, 张安, 朱满怀. 基于机器学习的富硒土壤预测模型的构建与比较——以江西省信丰县油山地区为例[J]. 吉林大学学报(地球科学版), 2025, 55(5): 1629-1643. |
| [2] | 管耀, 王清辉, 冯进, 杨清, 石磊. 基于机器学习的蚀变火成岩测录井综合岩性识别——以南海北部珠江口盆地惠州26-6井区为例#br#[J]. 吉林大学学报(地球科学版), 2024, 54(1): 345-358. |
| [3] | 李猛猛, 刘敬党, 梁天意, 谭亮, 王刚, 朱玺. 基于支持向量机算法的岩浆硫化物矿床硫元素预测模型 [J]. 吉林大学学报(地球科学版), 2022, 52(3): 866-878. |
| [4] | 王博帅, 蒲东川, 李婷婷, 牛雪峰. 基于多源遥感影像的长春市城市建成区提取[J]. 吉林大学学报(地球科学版), 2021, 51(4): 1284-1294. |
| [5] | 牟丹, 张丽春, 徐长玲. 3种经典机器学习算法在火山岩测井岩性识别中的对比[J]. 吉林大学学报(地球科学版), 2021, 51(3): 951-956. |
| [6] | 刘云鹏, 郭春影, 秦明宽, 吴玉, 裴柳宁. 基于PCA-SVM算法对稀土元素与稀土判别指标耦合数据集的铀矿床分类[J]. 吉林大学学报(地球科学版), 2021, 51(3): 723-733. |
| [7] | 尹超, 周爱红, 袁颖, 王帅伟. 基于邻域粗糙集和支持向量机的固结系数预测[J]. 吉林大学学报(地球科学版), 2019, 49(3): 746-754. |
| [8] | 韩启迪, 张小桐, 申维. 基于决策树特征提取的支持向量机在岩性分类中的应用[J]. 吉林大学学报(地球科学版), 2019, 49(2): 611-620. |
| [9] | 徐守余, 路研, 王亚. 基于支持向量机的浊积扇低渗透储层流动单元研究[J]. 吉林大学学报(地球科学版), 2018, 48(5): 1330-1341. |
| [10] | 王明常, 张馨月, 张旭晴, 王凤艳, 牛雪峰, 王红. 基于极限学习机的GF-2影像分类[J]. 吉林大学学报(地球科学版), 2018, 48(2): 373-378. |
| [11] | 卢文喜, 郭家园, 董海彪, 张宇, 林琳. 改进的支持向量机方法在矿山地质环境质量评价中的应用[J]. 吉林大学学报(地球科学版), 2016, 46(5): 1511-1519. |
| [12] | 王常明, 田书文, 王翊虹, 阮云凯, 丁桂伶. 泥石流危险性评价:模糊c均值聚类-支持向量机法[J]. 吉林大学学报(地球科学版), 2016, 46(4): 1168-1175. |
| [13] | 秦喜文, 刘媛媛, 王新民, 董小刚, 张瑜, 周红梅. 基于整体经验模态分解和支持向量回归的北京市PM2.5预测[J]. 吉林大学学报(地球科学版), 2016, 46(2): 563-568. |
| [14] | 牟丹, 王祝文, 黄玉龙, 许石, 周大鹏. 基于最小二乘支持向量机测井识别火山岩类型:以辽河盆地中基性火山岩为例[J]. 吉林大学学报(地球科学版), 2015, 45(2): 639-648. |
| [15] | 杨佳佳, 姜琦刚, 赵静, 徐言, 孟翔冲. 基于改进的SVM技术和高光谱遥感的标准矿物定量计算[J]. J4, 2012, 42(3): 864-871. |
|