基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类
Shengtai Xuebao/ Acta Ecologica Sinica（2013）
Abstract
高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障.使用ETM+遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中.选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型.结果显示,BP分类总精度为85.91％,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99％和6.08％,Kappa系数也相比提高.研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度.
MoreTranslated text
Key words
BP neural network,ETM+ remote sensing images,wetland cover classification,Yancheng Coastal Wetland
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined