论文部分内容阅读
由于城市植被异质特性及其在多光谱影像上混淆光谱的反射特征,光谱角制图法(Spectral Angle Mapper,SAM)很容易产生混分和漏分的问题,因而降低了分类精度。本文在发现分类样本输入顺序及阈值对SAM分类精度有明显影响的基础上,探讨了应用光谱可分度指标确定分类顺序和分类阈值的确定方法,提出应用多层分类的流程来优化城市镶嵌植被的多类分类结果。
以广州市为例,参照“国际地圈生物圈项目(International Geosphere-Biosphere Program,IGBP)”的植被分类系统确定广州城市植被分类方案,应用高分辨率影像SPOT、中分辨率影像MODIS、行政区划矢量数据辅助,对陆地卫星TM影像开展11类分类,包括常绿针叶林,常绿阔叶森林,混交林,灌木,木本草地,一般草地,农田,农田和自然植被交错,城市与建成区,水体,裸地。通过对比分类器最大似然法、支持向量机、传统的光谱角制图法,说明光谱角制图法对植被分类的优势,验证本文光谱可分度指标应用、多层分类优化结果的有效性。
结果表明:11个类型的植被分类精度中,层次优化分类算法精度为83%,Kappa系数是0.81。与传统的光谱角制图法相比,层次优化分类算法的精度和Kappa系数提高10%。而与最大似然分类器的精度和Kappa系数分别为51%和0.46,证明本研究提出的多层次SAM优化算法在使用较少样本数量的情况下,更有利于亚热带华南城市植被覆盖分类。
对比多层次SAM优化算法在城市-郊区-山区的分类精度,结果表明分类算法在大范围同种覆盖地类的山区是比较稳定的;对过渡的城市郊区地区,通过确定的分类顺序和阈值可以提高精度并减少未分像素。