基于遥感图像的山地冰川识别方法对比
基于遥感图像的山地冰川识别方法对比
复制标题
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
张大奇
中科院分区：
文献类型：
--
作者：
范慧颖;董武;康宝生;张大奇
研究识别山地冰川面积对预测全球气候变化和洪水灾害具有重要意义。在总结国内外山地冰 川识别方法的基础上，以各拉丹冬冰川及其周围冰川群作为研究对象，基于有关遥感数据对比分析了 目前计算冰川面积的 9 种主要方法，包括比值法、雪盖指数法( NDSI) 、非监督分类方法、监督分类方法、面向对象分类方法和神经网络分类方法，并基于混淆矩阵对这些分类方法进行了精度评价。结果表明: 神经网络分类方法的总体分类精度为 99. 372%，比值法和 NDSI 的总体分类精度分别为99. 370%和 99. 359%，最大似然分类方法、SVM 分类方法和面向对象分类方法的总体分类精度均高 于 98%，最小距离分类方法的漏分率最高为 34. 51%，非监督分类方法的漏分率和错分率分别为11. 07%和 11. 31%。试验结果表明: 神经网络分类方法的整体冰川提取效果好，可以区分水体、积雪.和冰; 比值法和 NDSI 识别裸冰效果好，但无法区分水体和冰。最大似然分类方法、SVM 和面向对象 分类方法的整体冰川提取效果较好; 最小距离分类方法容易将部分冰川区域漏分为非冰川区域; 非监 督分类方法容易错分冰川区和非冰川区。