基于多分类器集成的土地覆盖分类及预测研究

打开文本图片集

摘要：【目的】为发挥不同单分类器各自的优势进而采用集成学习方式提高土地覆盖分类精度，据此比较不同土地覆盖变化模拟模型性能从而执行最优的土地覆盖变化预测，为土地资源合理开发与利用决策制定提供参考。【方法】基于南京市江宁区2000、2010和2020年的Landsat TM/OLI影像，结合研究区实际定义了水体、建筑、林地、草地、耕地和未利用地等6种土地覆盖分类体系，在测试了最大似然法、马氏距离法、最小距离法、神经网络和支持向量机等基分类器性能基础上，采用随机森林和证据理论2种不同的集成学习方法对5种基分类器的分类结果进行集成，比较了集成性能后构建了最终的土地覆盖分类结果。（剩余28867字）