基于分形网络进化分割和对象特征提取的GF-1卫星数据沙化土地分类识别研究

以高分一号(GF-1)为数据源,以浑善达克沙地为研究区,研究基于GF-1数据的沙化土地分类识别技术。文中的处理范围约为200km*400km,通过J-M距离和最终分类精度来确定每个类别对应的最优分割尺度,分割方法采用的是分形网络进化分割算法(FNEA),通过信息增益比、J48决策树、随机树、标准差和变异系数来确定最优分类对象特征,通过决策树和支持向量机(SVM)结合分类方法形成了半自动化的沙化土地分类识别流程,总体精度达到了85.61%,Kappa系数为0.8295。