多时相MODIS影像土地覆盖分类比较研究

摘要

首先以黑龙江省多时相MODIS影像为试验数据，利用最大似然分类（MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究。从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析。综合比较得出：决策树分类法最优，而经典方法之一的最大似然分类法最稳定。进而将此二法推广至全国范围的土地覆盖分类试验中，并进行精度对比。本文中所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值。