典型文献
基于多维特征优选支持向量机算法的城市土地利用变化遥感监测
文献摘要：
随着遥感影像时、空、谱、辐分辨率和数据处理能力的提升,综合多维影像特征已成为提高土地利用分类精度的关键.目前并非所有特征均有助于分类,且传统分类仍拘泥于单一特征,因此,急需有效的特征优化选择方法.基于光谱指数、穗帽变换、最小噪声分离、高斯滤波、灰度共生矩阵等变换提取了Landsat TM/ETM+/OLI影像的31维特征,提出了特征优化选择指标和模型,基于最优特征组合开展了支持向量机算法(support vector machine,SVM)分类,识别了1996—2014年渝北区城市土地利用分布,并揭示了土地利用时空变化特征.结果表明:(1)不同特征在分类时各有优劣,多维特征组合的可分性明显高于单一特征,但掺杂无效特征会降低可分性.(2)基于全局Jeffries-Matusita(J-M)距离的特征优化选择模型(feature optimal selection model,FOSM)可有效遴选最优特征组合,有利于提升分类精度.(3)1996—2014年渝北区城市用地扩张了518.11％,主要占用林地和耕地,不利于生态系统可持续发展,退耕或撂荒还林还草和耕地开荒并存降低了生态保护成效.
文献关键词：
城市土地利用;干旱调节归一化植被-水指数(dNDVWI);全局J-M距离(GJM);特征优化选择模型(FOSM);可持续城市发展;渝北区
中图分类号：
作者姓名：
周柱灿;郑云云;刘亚群
作者机构：
重庆市规划和自然资源调查监测院,重庆 401120;中国科学院地理科学与资源研究所,北京 100101
文献出处：
引用格式：
[1]周柱灿;郑云云;刘亚群-.基于多维特征优选支持向量机算法的城市土地利用变化遥感监测)[J].三峡生态环境监测,2022(01):73-87
A类：
Matusita,dNDVWI,GJM
B类：
多维特征,特征优选,支持向量机算法,城市土地利用变化,遥感监测,遥感影像,处理能力,影像特征,土地利用分类,分类精度,拘泥于,需有,特征优化,优化选择,选择方法,光谱指数,噪声分离,高斯滤波,灰度共生矩阵,Landsat,ETM+,OLI,优特,特征组合,support,vector,machine,渝北区,土地利用时空变化,时空变化特征,可分性,Jeffries,feature,optimal,selection,model,FOSM,城市用地,用地扩张,用林,林地,退耕,撂荒,还林,开荒,生态保护成效,可持续城市发展
AB值：
0.387133
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
