论文部分内容阅读
为了提高干旱半干旱地区不同植被的分类精度,以多尺度分割后的Sentinel-2A影像为主要数据源。通过融合主成分变换分析、植被指数以及影像纹理特征等,对比分析了CART决策树、C4.5决策树、KNN、SVM 4种分类模型在干旱半干旱地区面向对象的分类精度。结果表明:面向对象分类的最佳分割尺度为58、81和102,即在102尺度下分离出植被和非植被后,分别在58、81尺度下提取不同植被的特征信息。由分类精度可知,基于决策树的分类精度高于KNN、SVM算法,各模型的分类精度均达到89%以上,其中CART