文献类型：期刊文献

中文题名：基于遥感影像和二类调查数据的林地类型分类方法对比研究——以广西凭祥市为例

英文题名：Study on Classification Methods Based on Remote Sensing Image and Forest Resources Management Survey Data——Take Pingxiang,Guangxi Autonamous Region as an Example

作者：张乃静[1] 侯瑞霞[1] 纪平[1]

第一作者：张乃静

机构：[1]中国林业科学研究院资源信息研究所

年份：2017

卷号：0

期号：4

起止页码：89-96

中文期刊名：林业资源管理

外文期刊名：Forest Resources Management

收录：北大核心:【北大核心2014】；

基金：中央级公益性科研院所基本科研业务费专项(CAFYBB2017SZ006);国家国际科技合作专项项目(2014DFG32140)

语种：中文

中文关键词：遥感;二类调查;分类

外文关键词：remote sensing,forest resources management survey, classification

分类号：S758;S771.8

摘要：基于Landsat 8 OLI遥感影像和森林资源二类调查数据,对有林地、灌木林地、未成林地和非林地等林地类型,分别采用最大似然、神经网络、支持向量机和决策树分类方法进行分类,验证分类精度,并对分类效果进行对比评价。结果表明:支持向量机分类方法表现最好,分类精度为78.7%,Kappa系数为0.76;其次为神经网络和决策树分类方法,分类精度分别为76.8%和72.5%,Kappa系数分别为0.72和0.68;最大似然法表现最差,分类精度为44.9%,Kappa系数为0.39。研究结果可为森林资源信息的快速提取提供理论依据。
Based on Landsat - 8 image and forest resources management survey data, different forest land types were classified by maximum likelihood classification （ML） , neural net classification （NN） , support vector machine classification （SVM） and decision tree classification （ DT） methods, and then the preci-sions （P ） of classifications were verified, and the performances of classifications were evaluated correla-tively. The results show that the best performance was SVM （P =78. 7 % ,Kappa =0. 76） ,and the follow-ings were NN （P =76. 8 % ,Kappa =0. 72） and DT （P =72. 5 % ,Kappa =0. 68） ,and the worst was ML （P =44. 9% , Kappa =0. 39）. These results provide a theory basis for the rapid extraction of forest re-sources information of forestry science data platform.