基于modisndvi时间序列的土地覆盖分层分类方法研究

以时间分辨率为16d、空间分辨率为250m的modisndvi时间序列数据为主要数据源,利用两种滤波方法对ndvi时间序列进行滤波处理,并基于j-m距离比较了两种方法的类别可分性,同时结合短波红外光谱反射率数据、dem数据,采用分层分类的方法,对中国东北3省进行了土地覆盖制图研究。在分类过程中,遵循逐级分类、先利用单一特征波段后结合多种特征波段的原则,综合使用阈值法、支持向量机(svm)、人工神经网络(ann)、c5.0决策树分类法对研究区内的土地覆盖类别进行逐层分类细化。根据已有的土地覆盖数据和高分辨率遥感影像对最终分类结果进行精度评价,总体分类精度为84.61%,kappa系数为0.8262。