基于支持向量机的高分辨率遥感影像土地利用分类研究
黄斌

云南师范大学地理学部，云南省昆明市，650500；

摘要：以云南省昆明市西山区福海街道影像覆盖区域为研究对象，利用2005年5月QuickBird影像，在ENVI 5.6平台上采用支持向量机（SVM）开展土地利用分类，将地物划分为道路、植被、水体、高层建筑和低层建筑五类。通过类别间可分离度和像元统计分析分类特征。结果显示，多数类别的Jeffries-Matusita（JM）距离和转换分离度（TD）接近2，具有较好的样本可分性；高层建筑与道路的可分离度最低，TD为1.379、JM为1.928，是主要混淆类别。高层建筑和道路分别占分类像元的55.98%和31.51%，合计87.49%。研究展示了SVM用于城市地物分类的可行性，但缺乏独立验证样本，尚不能确定实际分类精度。后续应结合实地验证和多特征融合改善分类结果。

关键词：支持向量机；QuickBird；土地利用分类；可分离度；ENVI

参考文献

[1]林玲,吴明东.基于支持向量机模型的盐亭县土地利用分类提取及变化研究[J].科技与创新,2024(16):148-150.

[2]潘娇,李超,彭文忆,等.基于随机森林和支持向量机的云南省土地利用分类[J].科学技术与工程,2024,24(17):7043-7051.

[3]王军,柴志福,马浩艳,等.基于支持向量机的蓄水工程土地利用分类与动态变化[J].干旱区研究,2024,41(4):581-589.

[4]周柱灿,郑云云,刘亚群.基于多维特征优选支持向量机算法的城市土地利用变化遥感监测[J].三峡生态环境监测,2022,7(1):73-87.