简介:选取覆盖桂林城区的美国Landsat5卫星TM图像,利用支持向量机SVM提取土地利用信息,同时与最大似然法、决策树和人工神经网络的分类结果比较,研究提高喀斯特城市遥感分类精度的方法,并分析1989~2006年桂林城区土地利用的变化。结果表明,SVM可提高喀斯特城市土地利用信息遥感分类的精度,可有效地动态监测喀斯特城市土地利用的变化。SVM的地物分类精度和Kappa系数最高,总体分类精度为91.7%,超过90%,Kappa系数为0.827,明显高于人工神经网络、决策树和最大似然法的分类结果。1989~2