多种分类器在华北地区土地覆盖遥感分类中性能评价.pdfVIP

第 22 卷第 6 期 中 国 科 学 院 研 究 生 院 学 报 Vol. 22 No. 6 2005 年 11 月 Journal of the Graduate School of the Chinese Academy of Sciences November 　2005 ( ) 文章编号 2005 多种分类器在华北地区土地覆盖 遥感分类中的性能评价 刘勇洪 　牛　铮　徐永明　李向军 ( 中国科学院遥感应用研究所遥感科学国家重点实验室, 北京 100101) ( ) 2004 年 11 月 29 日收稿; 2005 年 2 月 28 日收修改稿 Liu Y H , Niu Z , Xu YM , et al . Evaluation of various classifiers on regional land cover classification in Huabei Area. J ournal of the Graduate School of the Chinese Academy of Sciences , 2005 , 22 (6) :724～732 摘 　要 　应用 MODIS 250m 分辨率遥感影像对中国华北地区分别采用最大似然法、Parzen 窗、 CART 决策树、BP 神经网络、Fuzzy ARTMAP 神经网络等 5 种分类方法进行区域尺度上土地覆 盖制图的比较试验. 结果表明 : ( 1) Parzen 窗法分类性能最优 ,CART 和 BP 其次 ,Fuzzy ARTMAP 表现较差. (2) CART 决策树具有较好鲁棒性 ,但缺点是样本代价较大 ;BP 神经网络分类器能达 到较高精度 ,但缺点是需较高质量的样本、网络结构参数难以确定 ,造成其稳健性较差 ; Fuzzy ARTMAP 则未能表现出理想结果. (3) 训练样本数量差异造成 :最大似然法的分类精度差异值 低于 5 % ;Parzen 窗法和 Fuzzy ARTMAP 差异为 5 %～10 % ;CART和 BP 差异在 10 %以上. 关键词 　MODIS 250m ,土地覆盖分类 ,最大似然法 ,Parzen 窗 ,CART 决策树 ,BP 神经网络 ,Fuzzy ARTMAP 神经网络 中图分类号 　TP753 1 　引言 土地覆盖类型识别是全球变化研究的重要内容之一 ,更高精度及准实时的土地覆盖类型也是能量 传输模型、陆地生态系统过程及机制研究的关键输入参数 ,通过遥感手段进行大范围乃至全球的土地覆 盖及森林制图已成为 21 世纪最重要的土地覆盖类型数据获取方式. 在获取土地覆盖类型的分类方法 中 ,最大似然法和非监督分类方法是比较经典的分类算法 , 由于它们算法简单、稳定,许多研究都用到这 些方法. 如第一个全球土地覆盖产品是由 DeFries 和 Townshend 用最大似然法完成的[1 ] ,Loveland 等人则 用非监督方法对全球进行了 1km 分辨率的土地覆盖制图[2 ] ,其分类结果至今有效. 但由于这些传统分类 方法存在一定的局限性[3 ] ,人们发展了许多新方法来改善分类效果或提高分类精度. 决策树 ,作为一种监督分类方法 , 由于它的非参数和树结构特性使其具有良好的稳健性和鲁棒性, 在全球及区域土地覆盖植被覆盖遥感制图上 , 已作为一种新兴的分类方法得到成功应用. 如 Hansen 等 人利用NOAAAVHRR 全球 1°×1°数据进行了决策树与最大似然法的土地覆盖分类 ,显示分类树法的精 度优于最大似然法[4 ] . DeFries 等人对全球土地覆盖 8km 分辨率制图[5 ]