遥感与地理信息系统学报

抽象的

半干旱博茨瓦纳土地覆盖土地利用 (LCLU) 分类方法

乔伊斯·切科

本文介绍了使用两种分类方案（即最大似然算法 (MLA) 和人工神经网络 (ANN)）从 Landsat 8 (OLI) 检测出的土地覆盖土地利用 (LCLU)。分析使用两个、三个和八个特征（表面反射率和指数）进行。对于所有分类，总体准确度和 kappa 统计量分别从 93.81% 和 0.89 到 99.38% 和 0.99 不等。对于两种分类方案，使用所有八个特征或两个特征（仅指数）可获得最高分类准确度。这表明了归一化差异植被指数 (NDVI) 和归一化差异累积指数 (NDBI) 在 LCLU 制图方面的重要性。这两个指数足够强大，可用于检测卫星图像中的灌木、树木、水和累积物。此外，ANN 分类器也足够强大，可用于此分类。尽管 MLA 分类器同时使用了特征的平均值和方差，但 ANN 分类器仅使用了特征的平均值。这是在标准化范围 -1.0 到 1.0 内进行数据融合的演示。这项工作还表明，使用较少的光谱通道即可实现可接受的分类精度