基于多维特征优选支持向量机算法的城市土地利用变化遥感监测

随着遥感影像时、空、谱、辐分辨率和数据处理能力的提升,综合多维影像特征已成为提高土地利用分类精度的关键。目前并非所有特征均有助于分类,且传统分类仍拘泥于单一特征,因此,急需有效的特征优化选择方法。基于光谱指数、穗帽变换、最小噪声分离、高斯滤波、灰度共生矩阵等变换提取了Landsat TM/ETM+/OLI影像的31维特征,提出了特征优化选择指标和模型,基于最优特征组合开展了支持向量机算法(support vectormachine,SVM)分类,识别了1996—2014年渝北区城市土地利用分布,并揭示了土地利用时空变化特征。结果表明:(1)不同特征在分类时各有优劣,多维特征组合的可分性明显高于单一特征,但掺杂无效特征会降低可分性。(2)基于全局Jeffries-Matusita(J-M)距离的特征优化选择模型(feature optimalselectionmodel,FOSM)可有效遴选最优特征组合,有利于提升分类精度。(3)1996—2014年渝北区城市用地扩张了518.11%,主要占用林地和耕地,不利于生态系统可持续发展,退耕或撂荒还林还草和耕地开荒并存降低了生态保护成效。