DOI：10.3969/j.issn.1672-3872.2024.14.009
基金项目：唐山市重点实验室项目“高光谱遥感监测矿区生态修复效果研究及评价系统构建”（19150247E）；河北省高端钢铁冶金联合基金项目“球囊霉素相关土壤蛋白协同紫花苜蓿修复钒钛磁铁尾矿作用机制研究”（E2021209152）
作 者：李泽钊1 ， 吴梓敬1 ， 王雨生1 ， 谷海红1，2，3，4
（1. 华北理工大学矿业工程学院，河北 唐山 063509；2.河北省矿业工程开发与安全技术重点实验室， 河北 唐山 063210；3.唐山市资源与环境遥感重点实验室，河北 唐山 063210； 4. 河北省矿区生态修复产业技术研究院，河北 唐山 063210）
摘 要：【目的】准确地提取影像特征并进行分类，为开展区域生态评价和土地利用规划工作提供依据。【方法】以河北省黄骅市为研究区，以Landsat8 OLI遥感影像为数据源，基于最大似然、神经网络、支持向量机三种分类方法，对比典型样地各地物可分离度、分类精度差异、各算法分类混淆矩阵及分类结果差异，并根据分类结果对黄骅市进行生态评价。【结果】1）支持向量机在三种不同机器学习方法中分类精度最高，其总体精度与Kappa系数分别达到0.892 562与0.862 1；2）分类结果经K-means聚类处理后可有效减少“椒盐现象”产生，经聚类后的分类影像中地物类型以耕地、人工表面及水体居多；3）黄骅市的生态环境指数为42~54，生态环境状况为一般。【结论】相较于最大似然分类方法与神经网络分类方法，支持向量机分类方法得到的结果更为准确，与实地调研的数据和分析结果更为接近，为区域土地规划和生态环境管理提供了理论参考。
关键词：Landsat8 OLI；机器学习；分类精度；K-means聚类；生态评价
引文信息：[1]李泽钊，吴梓敬，王雨生，等.基于Landsat8遥感影像的机器学习分类方法比较及生态评价：以黄骅市为例[J].南方农机，2024，55(14)：40-43.
查看全文请下载PDF文件↓
