基于SVM方法提取植被信息的研究.pdfVIP

测绘技术装备 季刊 第15 卷 20 13 年第1 期 学术研究 11 基于SVM 方法提取植被信息的研究 杨瑛 （西安市房屋产权产籍管理中心 陕西西安 710003） 摘 要：利用遥感影像准确地提取植被信息一直是遥感技术应用研究的重要内容，现提出基于支持向量机 (SVM)分类的方法从ETM+多光谱数据中提取植被信息，利用目前常用的线性核函数、多项式核函数、径向基 (RBF)核函数、Sigmoid 核函数等四种核函数对研究区分别进行了提取研究，通过比较最终确定径向基函数 (RBF)核函数有着最佳的提取效果。 关键词：遥感 植被 支持向量机 1 引言 76.0mm，蒸发强烈，年蒸发量 1890.1～3229.3mm， 作为地理环境重要组成部分的植被在地表占有 大风及沙尘暴天气频繁。 很大的比例，而陆地表面的植被经常是遥感和记录 2.2 数据预处理和研究方法 的第一表层，是遥感图像反映的最直接的信息，也 2.2.1 数据及预处理 是人们研究的主要对象[1]。随着进入21 世纪人类的 本次研究我们使用的数据是美国马里兰大学的 各种活动的加剧，人类对各种自然资源的需求也越 ETM+免费数据，选用1，2，3，4，5，7 六个多光谱 来越巨大，但随之而来的也是越来越严重的生态环 波段，成像时间是2000 年8 月7 号，景号：144/30， 境的破坏。因此，密切监测陆地表面植被这一最能 中心位置：43°11′22″N，85°9′56″E，采用 UTM 直接反映地理生态环境的要素，就显得尤为必要和 地图投影，图像的成像清晰。 紧迫。 在遥感应用领域，植被指数已广泛用来定性和 遥感技术因其具有的宏观性、直观性、高效性 定量评价植被覆盖及其生长活力。由于植被光谱表 和低成本等显著优势，长期以来在植被研究方面都 现为植被、土壤亮度、环境影响、阴影、土壤颜色 备受青睐，从遥感影像中准确地提取植被信息也一 和湿度复杂混合反应，而且受大气空间—时相变化 直是遥感技术应用研究的一个热点。计算机模式识 的影响，因此植被指数没有一个普遍的值，其研究 别技术自 20 世纪 90 年代出现后，经过多年来的迅 经常表明不同的结果。研究结果表明，利用在轨卫 猛发展已在众多领域中有了广泛的应用，而它在遥 星的红光和红外波段的不同组合进行植被研究非常 感技术中的应用也是一个重要方面。支持向量机 好。而红光对应 ETM+的是第三波段，红外波段对应 (Support Vector Machine，简称SVM)理论是目前研 的是 ETM+的第四波段。本次研究就是针对研究区的 究比较热的一种机器学习方法，它以统计学习理论 具体植被情况，基于对植被光谱特征的分析研究， 为基础，通过学习算法来寻找那些能有较大区分能 提出用SVM 方法来进行植被信息提取方法的研究。 力的分类支持向量，由此构造出分类器，因此有着 本次研究所采用的 ETM+遥感数据是属于典型的 较好的泛化能力和较高的分类精度。因此，本次研 宽波段遥感数据，也是目前陆地资源遥感所使用的 究利用ETM+多光谱数据，采用基于SVM 方法针对特 主要数据。对于研究区部分地区，我们做了一些实 定的研究区进行植被信息的提取，以期来获得较好 地考察，掌握有部分的一手实地资料。因此，为了 的植被信息提取结果。 本次研究的最终成功，我们对遥感数据做了必要的 2 试验数据和方法 预处理，主要有辐射纠正、几何校正和大气校正， 2.1 研究区自然地理概况 其中也做了将原始遥感影像转变为反射率图像的工 研究区位于新疆和静县巩乃斯以北地区，地处 作，具体使用的转化公式为： 西天山中部，属深切割中高山区，海拔一般在3500～ L=gain*DN+bias （1）