OIF辅助BP神经网络模式识别的土地覆盖分类

摘要

精准高效的土地覆盖分类不仅能提高土地利用类型研究与制图质量,也有助于有序地组织土地的保护与开发。以2020年7月28日银川市三区的美国陆地卫星8号陆地成像仪(Landsat8 OLI)影像为数据源,建立最佳指数法(OIF)辅助前馈(BP)神经网络的模式识别模型,借助遥感影像处理平台(ENVI)选取训练样本集,对银川市三区土地覆盖类型进行分类。结果表明,OIF辅助BP神经网络模式识别的总体精度为86.95%,Kappa系数为0.8435,优于最大似然法和支持向量机(SVM)分类法;从生产者精度来看,该方法在林地、草地、水域和未利用地的分类中优势明显,精度都超过了90.00%,但在建设用地的分类中精度较低,只有70.73%。实验证明,OIF辅助BP神经网络的模式识别在遥感影像的监督分类中是一种精准高效的分类方法。