基于SVM的高分二号遥感影像森林经理小班边界提取研究.pdf

新 疆 农 业 大 学 学 报 2015，38(6)：477~482 JournalofXinjiangAgriculturalUniversity 文章编号：1007—8614(2015)06—0477—06 基于 SVM 的高分二号遥感影像 森林经理小班边界提取研究 杨 芳 ，陈冬花。，李 虎 ”，李建贵 ，田 峰 ，赵俊鹏 (1．新疆农业大学 林业研究所 ，乌鲁木齐 830052；2．新疆维吾尔 自治区卫星应用工程 中心，乌鲁木齐 830000； 3．中国科学院遥感与数字地球研究所，北京 100094；4．滁州学院，滁州 239000；5．新疆大学 资源与环境学院， 乌鲁木齐 830046) 摘 要 ： 利用高分二号影像 ，以实际小班边界作为分类样本 ，并结合 NDVI指数 ，主成分分析 ，影像分割和 SVM 方法对影像进行分类并提取森林小班边界 。结果显示 ，以实际小班边界线作为分类样本 的分类提取结果和实际小 班较接近 ，实际小班面积为 95801．38m。，分类提取后 的小班面积为 84009．88m。，面积相对误差为 12．31 ，分类 精度为 87．69％。以实际地物为样本 的分类后小班面积为 54946．08m。，面积相对误差为 42．65 ，分类精度为 57．35％，分类精度较低 。前者 比后者精度提高了3O．34 。 关键词 ： SVM；森林小班边界 ；样本 ；边界提取 ；精度评价 中图分类号：TP751 文献标识码 ：A BoundaryExtraction ofForestM anagersSub—compartment Basedon SVM M ethodwithGF一2RemoteSensingImages YANG Fang ，CHEN Dong—hua ，LIHu”，LIJian—gui， TIAN Feng ．ZHAOJun—peng。 (1．InstituteofForestry，XinjiangAgriculturalUniversity，Urumqi830052，China；2．SatelliteAp— pliedEngineering Center，Xinjiang UygurAutonomousRegion，Urumqi830000，China； 3．InstituteofRemoteSensingandDigitalEarth，ChineseAcademyofSciences，Beijing100094， China：4．ChuzhouUniversity，Chuzhou239000，China；5．CollegeofResourcesandEnvironmental Sciences，XinjiangUniversity，Urumqi830046，China) Abstract： Theactualsub—compartmentboundarieswereusedasclassification samples，combinedwith NDVIindex，principalcomponentanalysis，imagesegmentationandSVM methodwereclassifiedandforest boundarywereextractedwith GF一2remotesensing images．Theresultsshowed thattheactualsub—corn— partmentboundarylinewereusedastheclassiffication samplesandtheresultsofclassificationwascloser totheactuaIsub—compartment，andtheactualsub—compartmentareawas95801．38 m。andthesub—com— partmentareaafterextractionofclassificationwas84009．88m ，andanareaofrelativeerrorwas12．31 ， andclassificationaccuracywas87．69 ．Thesub—compartm