基于单时相MODIS数据的土地覆盖三种分类方法对比研究
Comparison of the land cover classification methods based on single-temporal MODIS data
查看参考文献25篇
文摘
|
以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度. |
其他语种文摘
|
Based on single-temporal MODIS data of Gansu Province,mainly using its visible spectra,three classifiers-the maximum likelihood,BP neural network and decision tree based on data mining software of See 5.0 are used for land cover classification research.The validated result shows that the decision tree algorithm has the best performance of extraction,with an overall accuracy of 82.13%,followed by the BP network algorithm,and the maximum likelihood classifier has the worst performance.Data mining software of See 5.0 with boosting technique can build decision tree quickly and improve the precision of miscible classes. |
来源
|
干旱地区农业研究
,2008,26(3):253-258 【核心库】
|
关键词
|
MODIS
;
最大似然法
;
BP神经网络
;
决策树
;
See 5.0
;
土地覆盖分类
|
地址
|
1.
兰州大学, 西部环境教育部重点实验室, 甘肃, 兰州, 730000
2.
中国气象局兰州干旱气象研究所, 甘肃省干旱气候变化与减灾重点实验室;;中国气象局干旱气候变化与减灾重点开放实验室, 甘肃, 兰州, 730020
|
语种
|
中文 |
ISSN
|
1000-7601 |
学科
|
农业基础科学 |
基金
|
甘肃省人工增雨效果检验研究项目
;
甘肃省气象局科研项目(2008-08)
;
甘肃省自然科学基金
;
中国气象局气象新技术推广项目
|
文献收藏号
|
CSCD:3369205
|
参考文献 共
25
共2页
|
1.
C Y Ji. Land-use classification of remotely sensed data using kohone self-organizing feature map neural networks.
Photogrammetric Engineering&Remote Sensing,2000,66(12):1451-1460
|
被引
12
次
|
|
|
|
2.
Muchoney D. Application of the MODIS Global Supervised Classification to Vegetation and Land Cover Mapping of Central America.
IN T J Remote Sensing,2000,21:1115-1381
|
被引
34
次
|
|
|
|
3.
Paola J D. A detailed comparison of back propagation neural network and maximm-likelihood classifers for urban land use classification.
IEEE Trans on Geoscinece and Remote sensing,1995,33(4):981-996
|
被引
25
次
|
|
|
|
4.
Zhang YH. Classification methods of land use/cover based on remote sensing technologies.
Journal of China Agricultural Resources and Regional Planning,2002,23(3):21-25
|
被引
1
次
|
|
|
|
5.
陈爱斌. 基于Boosting方法的人脸检测.
计算机工程与应用,2004(3):50-52
|
被引
1
次
|
|
|
|
6.
陈敬柱. 最大似然法在植被信息识别提取中的应用.
水文地质工程地质,2004(2):94-96
|
被引
3
次
|
|
|
|
7.
邓劲松. 决策树方法从SPOT-5卫星影像中自动提取水体信息研究.
浙江大学学报(农业与生命科学版),2005,31(2):171-174
|
被引
20
次
|
|
|
|
8.
杜明义. 决策树方法在土地荒漠化分类中的应用研究.
测绘科学,2006,31(2):81-82
|
被引
6
次
|
|
|
|
9.
李明诗. 基于ASTER数据的决策树自动构建及分类研究.
国土资源遥感,2006(3):33-42
|
被引
11
次
|
|
|
|
10.
李庆亭. 高光谱遥感图像最大似然分类问题及解决方法.
山东科技大学学报(自然科学版),2005,24(3):61-64
|
被引
3
次
|
|
|
|
11.
李全. 基于最大似然分类算法的土地覆盖分类精度控制研究.
国土资源科技管理,2005,22(4):42-45
|
被引
8
次
|
|
|
|
12.
刘旭升. 基于BP 神经网络的森林植被遥感分类研究.
林业资源管理,2005(1):51-54
|
被引
10
次
|
|
|
|
13.
刘勇洪. 基于MODIS遥感数据的宏观土地覆盖特征分类方法与精度分析研究.
遥感技术与应用,2004,19(4):217-224
|
被引
39
次
|
|
|
|
14.
刘勇洪. 多种分类器在华北地区土地覆盖遥感分类中的性能评价.
中国科学院研究生院学报,2005,22(6):724-732
|
被引
9
次
|
|
|
|
15.
刘勇洪. 基于MODIS数据的决策树分类方法研究与应用.
遥感学报,2005,9(4):405-412
|
被引
52
次
|
|
|
|
16.
卢玲. SPOT4—VEGETATl0N中国西北地区土地覆盖制图与验证.
遥感学报,2003,7(3):214-220
|
被引
21
次
|
|
|
|
17.
骆成凤. 利用BP算法进行新疆MODIS数据土地利用分类研究.
干旱区地理,2005,28(2):258-262
|
被引
7
次
|
|
|
|
18.
骆剑承. 人工神经网络遥感影像分类模型及其与知识集成方法研究.
遥感学报,2001,5(2):122-129
|
被引
49
次
|
|
|
|
19.
田苗苗. 数据挖掘之决策树方法概述.
长春大学学报,2004,14(6):48-51
|
被引
6
次
|
|
|
|
20.
张陪松. 基于MODIS 影像对NDVI 和EVI 的分类研究.
西南师范大学学报(自然科学版),2007,32(2):70-75
|
被引
1
次
|
|
|
|
|