基于SVM的MODIS数据土地覆盖分类方法研究
【摘要】:MODIS传感器是搭载在于ERRA和AQUA卫星上进行全球变化研究的主要信息数据获取设备,MODIS系统的高时间分辨率、高光谱分辨率、高辐射分辨率和中等空间分辨率的特点,在自然灾害、土地覆盖变化、全球生产力、生态环境、气候变化、海洋等领域的动态监测当中有广泛的应用前景。MODIS数据的重要性正在被人们认识和关注。
支持向量机是上世纪九十年代发展出的一种新的通用机器学习算法,在解决小样本、非线性及高维模式识别问题中表现出许多独特的优势,成为国际上机器学习领域新的研究热点。
本文以支持向量机为分类工具,对MODIS数据在土地覆盖应用中分类特征的选取作了研究。证明使用多维信息对遥感图像分类有着较强的优势,特别是多时相多维信息;亦证明二次信息如植被指数、水体指数等的简单加入不能大幅提高分类精度,但它们能够代表时相变化的信息。
【关键词】:支持向量机 土地覆盖 植被指数 水体指数 【学位授予单位】:中国农业大学
【学位级别】:硕士
【学位授予年份】:2005
【分类号】:P273
【目录】:
- 1.绪论6-9
- 1.1 概述6-7
- 1.2 研究方法与流程7-9
- 2.分类方法:支持向量机(SVM)9-23
- 2.1 一些历史回顾9-10
- 2.2 机器学习问题的一般表述10-11
- 2.3 VC维和结构最小化风险11-13
- 2.4 支持向量机和核函数13-19
- 2.4.1 支持向量机13-16
- 2.4.2 扩展一:非线性可分——核函数16-17
- 2.4.3 扩展二:不完全可分17-18
- 2.4.4 补充说明18-19
- 2.5 交叉检验与参数选择19-21
- 2.6 实践应用21-23
- 3.MODIS数据与分类特征选择23-27
- 3.1 MODIS数据介绍23-24
- 3.2 分类特征选择24-27
- 3.2.1 地表反射率24
- 3.2.2 植被指数(NDVI和EVI)24-25
- 3.2.3 白天地表温度(LST)25-26
- 3.2.4 湿度指数和水体指数26-27
- 4.实验研究27-34
- 4.1 HDF文件格式27
- 4.2 数据来源及预处理27-31
- 4.3 分类特征实验31-34
- 4.3.1 仅用反射率分类31-32
- 4.3.2 反射率加各种指数信息32
- 4.3.3 4个时相的反射率32-33
- 4.3.4 反射率加4个时相的指数33
- 4.3.5 结论33-34
- 5.讨论34-35
- 参考文献35-37
- 致谢37-38