基于支持向量机的生态公益林遥感分类研究

doi:10.13466/j.cnki.lyzygl.2009.01.020

林业资源管理 ›› 2009, Vol. 0 ›› Issue (1): 107-113.doi: 10.13466/j.cnki.lyzygl.2009.01.020

基于支持向量机的生态公益林遥感分类研究

任琼¹, 江洪^2,3, 陈健², 李土生⁴, 彭世揆¹, 余树全²

1.南京林业大学森林资源与环境学院, 南京 210037;
2.浙江林学院国际生态研究中心, 杭州 311300;
3.南京大学国际地球系统科学研究所, 南京210093;
4.浙江省林业厅生态中心, 杭州 310020

收稿日期:2008-09-27 修回日期:2008-12-03 出版日期:2009-02-28 发布日期:2021-01-27
通讯作者: 江洪。Email:hongjiang.china@gmail.com
作者简介:任琼(1982-), 女, 江西新余人, 硕士, 主要从事林业遥感及地理信息系统研究。
基金资助:
科技部973 项目(2002CB111504, 2002CB410811, 2005CB422208);国家自然科学基金项目(40671132);科技部数据共享平台建设项目(2006DKA32300-08)

Remote Sensing Image Classification Based on SVM Method for Ecological Service Forests

REN Qiong, JIANG Hong, CHEN Jian, LI Tusheng, PENG Shikui, YU Shuquan

1. Forest Resources and Environment Colleg, Nanjing Forestry University, Nanjing 210037, Jiangsu Province;
2. International Ecological Research Cnter, Zhej iang Forestry College, Hangzhou 311300, Zhejiang Province;
3. Institute of in ternational Earth System Science, Nanjing University, Nanjing 210093;
4. Ecological Center, Zhijiang Provincial Forestry Department, Hangzhou 310020, Zhejiang Province, China

Received:2008-09-27 Revised:2008-12-03 Online:2009-02-28 Published:2021-01-27

摘要/Abstract

摘要： 提出了基于支持向量机(Support Vector Machine, SVM) 的遥感影像分类方法, 结合空间特征等信息, 对IKONOS高空间分辨率影像进行分类, 实施对生态公益林的监测, 并将此分类方法与传统分类方法进行比较分析。研究结果表明, 基于SVM的遥感分类方法能够有效解决分类效果破碎、精度不高等问题, 而且在学习速度、自适应能力、可表达性等方面具有优势。

关键词: 森林生态系统, 生态公益林, SVM, 空间特征, 最优超平面

Abstract: This paper deals with the RS image classification based on the SVM method, using space characteristic information for classification of IKONOS high spatial resolution images and monitoring of public w elfare forests.Analy sis was conducted on comparison of this method with tradition method. The resultshow s that the RS image classification based on the SVM method can solve the image classification fragmentation, low accuracy etc, and has advantage in study speed, orientation abili ty and expression, etc.The aim of this paper is to discuss a method to inquire into the classification method of public welfare forests with high spatial resolution RS image and providing theoretical basis and data support for the development of forestry information netw ork and “digi tal forestry”.

Key words: forest ecosystem, ecological service forests, SVM, space characteristic, superior super flat surface

中图分类号:

TP79

任琼, 江洪, 陈健, 李土生, 彭世揆, 余树全. 基于支持向量机的生态公益林遥感分类研究[J]. 林业资源管理, 2009, 0(1): 107-113.

REN Qiong, JIANG Hong, CHEN Jian, LI Tusheng, PENG Shikui, YU Shuquan. Remote Sensing Image Classification Based on SVM Method for Ecological Service Forests[J]. FOREST RESOURCES WANAGEMENT, 2009, 0(1): 107-113.

参考文献

[1] 周国逸, 阎俊华.生态公益林补偿理论与实践[M].北京:气象出版社, 2000:5-6.
[2] 张正寿, 刘安兴.浙江林业自然资源(森林卷)[M].北京:中国农业科学技术出版社, 2002:9-31.
[3] Zhang Y.Opt imisation of building det ection satellite images by combining mult ispectral classification and texture filtering [J]. PE & RS, 1999, 54:50-60.
[4] 黄慧萍, 吴炳方, 李苗苗.高分辨率影像城市绿地快速提取技术与应用[J].遥感学报, 2004, 8(1):68-74.
[5] Vapnik V N.The nature of statist ical learning theory[M].New York:Springer-Verlag, 1995.
[6] Burges C J C.A tutorial on support vector machines for patt ern recognition[J].Know ledge Discovery and Dat a Mining, 1998, 2 (2).
[7] Cortes C, Vapnik V.Support vector networks[J].Machine Learning, 1995;20(3):273-297.
[8] Scholkopf B, Plat t J C, Shawe Taylor J, et al.Estimating the support of a high-dimensional distribution[J].Neural Computation. 2001, 13(7):1443-1471.
[9] Seidel K, Schroder M, Schwarz G, et al.Query by image content from remot e sensing archives[J].Proc IEEE IGARSS, 1997, 97 (1):616-618.
[10] Manjunath B S, Ma W Y.Browing large satellit e and aerial phot ographys[J].IEEE Int Conf on.Image Processing, 1996, 2:765-768.
[11] 刘江华, 程君实, 陈佳品.支持向量机训练算法综述[J].信息与控制, 2002, 31 (1):45-50.
[12] 张锦水, 何春阳, 潘耀忠, 等.基于SVM 的多源信息复合的高空间分辨率遥感数据分类研究[J].遥感学报.2006(1):49- 57.
[13] S trang G.Introduction to applied mathemati cs[M].Wellesley, MA:Wellesley-Cambridge Press, 1986.
[14] 刘江华, 程君实, 陈佳品.支持向量机训练算法综述[J].信息与控制, 2002, 31(1):45-50.
[15] Gong P, How arth P J.The use of structural information for improving land-cover classification accu racies at the ruralurban f ringe[J].1990, 56(1):67-731.
[16] Chang C C, Lin C J.LIBSVM:a libray for Support Vector Machines[EB/OL].http://www.csie.ntu.edu.tw/～cjlin/libsvm/.
[2008-09-28].2004.
[17] Kerrthi S S, Lin C J.Asym ptotic behaviors of Support Vector Machines with Gaussian Kemel[J].Neural Computation, 2003, 15 (7):1667-1689.
[18] Joachims T.Making Large-Scale SVM Learning Pract ical [C]//.Scholkoph B, Burges C, Smola A Advances in Kermal Methods Support Vector Learning.Botson Ma Mit Press, 1999.
[19] Jiang H, Liu S R, Sun P S, et al.The influence of vegetation type on the hydrological process in landscape scale[J].Canadian Journal of Remote Sensing 2004, 30:743-763.
[20] Jiang H, Srittholt J R, Frost P A, et al.The classi fication of lat eserial forests in the Pacific northwest, USA using Landsat ETM + imagery[J].Remote Sensing of Environment, 2004, 91:320- 331.
[21] Kwang I, Keechul J, Hang J.Support Vector Machines for texture classification[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(11):256-264.

基于支持向量机的生态公益林遥感分类研究

Remote Sensing Image Classification Based on SVM Method for Ecological Service Forests

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	朱家彤, 刘凯, 汪明, 梁欣. 汶川地震极重灾区森林生态系统损失与恢复评估[J]. 林业资源管理, 2020, 0(2): 154-160.
[2]	孙宇, 李际平, 曹小玉, 徐占勇. 不同龄组杉木生态公益林土壤肥力综合评价[J]. 林业资源管理, 2019, 0(1): 57-62.
[3]	白志强, 李缓, 王文栋, 刘端, 韩燕梁, 刘华. 阿尔泰山优势树种的生物量模型构建及其生物量分配特征[J]. 林业资源管理, 2018, 0(4): 34-40.
[4]	张媛. 森林生态系统类型自然保护区生物多样性监测体系构建探索[J]. 林业资源管理, 2018, 0(3): 29-34.
[5]	陈仁利, 周光益, 赵厚本, 陆丽香, 顾茂彬. 海南尖峰岭蝴蝶种群的胁迫因子及其生态保护[J]. 林业资源管理, 2018, 0(1): 24-30.
[6]	许雪玲. 基于水文与几何网络分析的闽江流域核心区生态公益林布局[J]. 林业资源管理, 2017, 0(4): 142-150.
[7]	苏文会, 朱晓武, 范少辉, 曾宪礼, 刘广路. 采伐对森林生态系统的影响综述[J]. 林业资源管理, 2017, 0(3): 35-40.
[8]	陈磊, 李际平, 唐宪, 曹小玉, 陈靖, 高宇. 三亚市生态补偿区森林生态评价[J]. 林业资源管理, 2016, 0(3): 92-97.
[9]	欧阳君祥, 张岗岗, 王得祥, 刘文桢, 郭小龙. 小陇山林区党川林场生态公益林经营类型划分研究[J]. 林业资源管理, 2015, 0(5): 18-25.
[10]	陈臻, 石程远, 边更战, 吕勇. 生态公益林分级补偿研究——以株洲市为例[J]. 林业资源管理, 2015, 0(5): 44-49.
[11]	李际平, 邓超, 曹小玉, 费皓柏. 不同龄组杉木生态公益林多功能研究[J]. 林业资源管理, 2015, 0(1): 60-63.
[12]	马丽. 气候变化和CO₂浓度升高对森林影响的探讨[J]. 林业资源管理, 2014, 0(5): 28-34.
[13]	曹小玉, 李际平, 封尧. 福寿林场马尾松生态公益林林分空间结构研究[J]. 林业资源管理, 2014, 0(3): 45-50.
[14]	林虹, 马旭, 何再华, 刘斌, 黄众, 田兴军. 江苏省森林生态系统碳汇现状研究[J]. 林业资源管理, 2014, 0(1): 89-97.
[15]	许秀玉, 曾锋. 广东省森林生态效益补偿工作探讨[J]. 林业资源管理, 2013, 0(6): 48-52.