文献类型：期刊文章

作　　者：周婷[1] 汪炎[2] 邹俊[1] 李辰[2] 崔玉环[3] 王笑宇[1] 谢传流[1] 夏萍[1]

ZHOU Ting;WANG Yan;ZOU Jun;LI Chen;CUI Yuhuan;WANG Xiaoyu;XIE Chuanliu;XIA Ping(School of Engineering,Anhui Agricultural University,Hefei 230036,China;East China Engineering Science&Technology Co.,Ltd.,Hefei 230024,China;School of Science,Anhui Agricultural University,Hefei 230036,China)

机构地区：[1]安徽农业大学工学院,安徽合肥230036 [2]东华工程科技股份有限公司,安徽合肥230024 [3]安徽农业大学理学院,安徽合肥230036

出　　处：《水资源保护》

基　　金：国家自然科学基金(U2243228);安徽省自然科学基金(2008085ME158,1808085ME158,2108085QE220);安徽农业大学稳定和引进人才科研资助项目(K2141004);工业废水及环境治理安徽省重点实验室开放基金(DHSZ202202)。

年　　份：2023

卷　　号：39

期　　号：2

起止页码：180-189

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2023_2024、EI、IC、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明:PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。

关 键 词：遥感影像水体提取  归一化差分水体指数(NDWI)  支持向量机(SVM)  主成分分析(PCA)  纹理特征向量  巢湖

分 类 号：TP79]