请选择 进入手机版 | 继续访问电脑版

QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 6227|回复: 0

[其他资源] 基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

[复制链接]
字体大小: 正常 放大

394

主题

3

听众

4960

积分

  • TA的每日心情

    2021-3-28 15:16
  • 签到天数: 25 天

    [LV.4]偶尔看看III

    发表于 2020-12-23 11:42 |显示全部楼层
    |招呼Ta 关注Ta
    基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较$ {' Q; t5 O0 e: g
    & W5 C: B! _# T6 U
          针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM 遥感影像的分类精度,为森林资源遥感监测提供技术支持。# C" L9 t5 Y) ~6 u+ Z; D8 @
         【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010 年Landsat5-TM 影像数据和2012 年森林资源二类调查数据,采用窗口法获取TM 第5 波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore 模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则( 判断准则是中心元胞周围的8 个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别) ,充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3 层BP 神经网络模型对TM 遥感影像进行分类试验,并比较2 种方法的分类效果。* D! l5 ~6 S8 B9 E
         【结果】基于元胞自动机的分类方法总体分类精度为88. 7121%,Kappa 系数为0. 8291,针叶林、阔叶林和针阔混交林的用户精度分别为73. 60%, 92. 94%和94. 13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP 神经网络算法的总体分类精度为86. 6713%,Kappa 系数为0. 7984,针叶林、阔叶林和针阔混交林的用户精度分别为69. 22%, 93. 37%和90. 76%。2 种分类方法均可有效识别森林类型信息。
    ( E( P- V9 U0 R7 v% X& P     【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM 影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。
    ) s% M3 i8 [$ J8 I9 q# D0 E, G0 C1 B6 F
    关键词: 元胞自动机; BP 神经网络; 森林类型分类; 像元值; Landsat 5 - TM 影像: [" L, F# j) j4 i5 X$ n0 ~

    搜术网soosci.com_基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较.pdf

    529.17 KB, 下载次数: 2, 下载积分: 体力 -2 点

    zan
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2024-2-22 02:55 , Processed in 0.345259 second(s), 54 queries .

    回顶部