遥感影像分类树种

(1)NDVI影像中蓝色屋顶、绿色塑胶操场2类地物与植被具有相似的NDVI特性,为城市植被提取造成干扰,但三者在WorldView-2八个波段中的光谱曲线存在较大差异,通过波谱角分类可实现三者完全分离,精准获取到城市植被部分的影像。

(2)采用最大似然对针叶树、阔叶树与草类进行分类,利用8月份WorldView-2影像分类的总体精度为93.9871%, Kappa系数为0.9098,利用2月份QuickBird影像分类的总体精度为96.6667%, Kappa系数为0.9500,结果表明特殊时相数据源的选择更有利于针叶树、阔叶树、草类的识别。

(3)基于WorldView-2光谱波段的树种分类中,最大似然对完整8波段分类的总体精度较传统4波段高10.7231%, Kappa系数高0.1253；支持向量机对完整8波段分类的总体精度较传统4波段高9.9183%,Kappa系数高0.1158,表明WorldView-2新增的海岸蓝色、黄、红边、近红外2波段在树种分类中具有重要的作用。

(4)基于27维光谱指数的树种分类中,NDVI6、FDI2、NREB是树种分类中最重要的3个光谱指数；NDVI6、FDI2、NREB、ARVI、NDVI5、NDVI2、GRVI、NYR、NDVI1, IPVI、NPCI、R/RE、NDVI3、NIRNDVI、SAVI、NDVI7、NIR/GREEN、TA578、TA678是树种分类中最优光谱指数子集的19个成员；SL57、SL67、NDVI4、SL58、RVI、EVI、OSAVI、 SL56是导致最大似然发生休斯现象的8个光谱指数。

(5)本研究新建的5个光谱指数SL57、SL67、SL58、TA578、TA678在MLC-RFE变量选择中,SL58在第5轮次中被消除,SL57、SL67在第7轮次中被消除,TA578、TA678在第8轮次中才被消除,在第7轮次消除结束后获得了最优光谱指数子集,所以TA578、TA678是最优光谱指数子集的成员,表明TA578、TA678在基于光谱指数的树种分类中具有重要的作用,同时也说明树种光谱曲线的面积指数优于斜率指数。

(6)基于24个纹理特征的树种分类中,MEA-PC1、MEA-PC2、 EA-PC3是树种分类中最重要的3个纹理特征；MEA-PC1、MEA-PC2、MEA-PC3、 ENT-PC2、ENT-PC1、DIS-PC2、SM-PC1、VAR-PC2、HOM-PC3、COR-PC1、 OR-PC3、CON-PC2、CON-PC1、VAR-PC3、 DIS-PC1、ENT-PC3是树种分类中最优纹理特征子集的16个成员；HOM-PC2、SM-PC2、 CON-PC3、HOM-PC1、DIS-PC3、COR-PC2、VAR-PC1、SM-PC3是导致最大似然发生休斯现象的8个纹理特征。

(7)27维光谱指数分类的总体精度为72.4616%, Kappa系数为0.6787,较最优光谱指数子集分类的总体精度(75.3962%)低2.9346%, Kappa系数(0.7126)低0.0339,表明在高维光谱指数分类中,最大似然存在着轻微的休斯现象；24个纹理特征分类的总体精度为40.5151%%, Kappa系数为0.3031,较最优纹理特征子集分类的总体精度(81.1664%)低40.6513%, Kappa系数(0.7799)低0.4768,表明在高维纹理特征分类中,最大似然存在着严重的休斯现象。

(8)本研究中,支持向量机分类的最高总体精度为84.6335%, Kappa系数为0.8204,从所有的分类中可以看出它对数据维数的增加不敏感,可以有效挖掘各个特征的有用信息,分类性能较稳定。最大似然分类的最高总体精度为87.5310%,Kappa系数为0.8543,它对数据维数的增加较敏感,高维数据中会发生休斯现象,不能充分挖掘各个特征的有用信息,分类性能不稳定。本研究构建的MLC-RFE消除了对最大似然分类精度的提高具有抑制作用的特征,规避了最大似然的休斯现象,使其在高维特征分类中的分类性能得到极大地提高,取得比支持向量机更高的分类精度。

(9)树种分类中,基于主成分的最高总体精度为63.9752%, Kappa系数0.5789;基于光谱波段的最高总体精度为74.0713%, Kappa系数0.6974；基于光谱指数的最高总体精度为75.3962%, Kappa系数0.7126；基于纹理特征的最高总体精度为81.1664%, Kappa系数0.7799；在光谱指数结合光谱波段中,最高总体精度为73.4274%, Kappa系数0.6900；在纹理结合光谱波段与主成分中,最高总体精度为86.3918%, Kappa系数0.8410；在纹理结合光谱指数与主成分中,最高总体精度为87.4319%, Kappa系数0.8532；在纹理结合光谱指数、光谱波段、主成分的混合特征中,最高总体精度为87.5310%, Kappa系数0.8543。除光谱指数结合光谱波段不能提高分类的总体精度与Kappa系数外,其余的特征组合类型均取得比单纯基于主成分、光谱波段、光谱指数、纹理特征要高的总体精度与Kappa系数,表明树种分类中有效结合各特征类型,可以取得更好的分类结果。广西善图科技有限公司