高分六号宽幅遥感影像在复杂山区地物分类中的应用

为评估其在多类地物分类中的有效性,本研究利用GF-6宽幅遥感影像(WFV),对四川西南部复杂山区开展大尺度地物分类研究。通过波段组合和植被指数计算,提升对植被健康状况的监测能力。特别是红边波段(B5)和黄波段(B8)的引入,为植被和土地利用分类带来了技术优势。在监督分类方法方面,采用了马氏距离、极大似然法、卷积神经网络(CNN)和支持向量机(SVM)4种方法。结果表明,SVM在处理高维光谱数据和复杂地形条件下表现出色,分类精度最高。马氏距离和极大似然法的分类精度较低,主要受数据假设和样本量限制的影响,而神经网络方法的表现不佳,主要是由于训练样本数量和多样性的不足,导致模型的泛化能力不强。综合以上结果,GF-6WFV影像在地物分类中展现出优异性能,尤其在精准农业和林业管理方面。未来研究应关注多源遥感数据的整合,优化算法以提升分类精度,并减少计算资源消耗。