- · 省农科院 省农业科技创新中心 省农业科技创新联盟低温冰冻雪灾对小麦生产影响及应对措施[01/08]
- · 省农科院 省农业科技创新中心 省农业科技创新联盟低温冰冻雪灾对蔬菜生产影响及应对措施[01/08]
- · 省农科院 省农业科技创新中心 省农业科技创新联盟低温冰冻雪灾对柑橘生产影响及应对措施[01/08]
- · 省农科院 省农业科技创新中心 省农业科技创新联盟低温冰冻雪灾对茶叶生产影响及应对措施[01/08]
- · 省农科院 省农业科技创新中心 省农业科技创新联盟低温冰冻雪灾对油菜生产影响及应对措施[01/08]
- · 嘉必优生物技术公司与加工所应用微生物研究团队洽谈合作[01/08]
- · 长阳县副县长谢海红一行来果茶所考察交流[01/07]
- · 经作所蔬菜栽培团队对接嘉鱼示范基地建设工作[01/07]
基于SVM的乌伦古湖湿地遥感分类研究
作者: 张馨文 [1] 安放舟 [2]
关键词: SVM 遥感 干旱区 湿地
摘要:以提取乌伦古湖湿地信息为目的,采用该地区2010年Landsat5/TM影像,使用支持向量机SVM的多项式函数对湿地信息进行分类.使用精度评估法(混淆矩阵)对分类结果进行精度评价并与传统的最大似然法(MLC)、非监督分类(ISODATA)法分类结果进行对比.结果表明,SVM分类法不仅能够很好地提取河流信息并且能够区分湖泊湿地与坑塘湿地,分类总精度达到94.000%,Kappa系数为0.932,明显高于MLC、ISODATA两种方法,同时各类别的用户精度和制图精度都在不同程度上高于传统分类方法.SVM是一种有效的提取湿地的方法,非常适用于干旱区湿地信息提取与监测.
上一篇: 湖北省水稻种植布局精细化气候区划
下一篇: 一株高效石油降解菌的筛选及其降解条件优化