高解析度多光譜影像於森林資源調查之應用

本研究整合大氣校正以及影像全色態影像銳化處理(融合)技術，建立高空間解析的WorldView-2(WV2)多光譜影像，利用物件基礎的支持向量機分類法(OB-SVM)，以森林、農地、草地、裸地、濕地、定居地等IPCC六個組類的土地被覆型為訓練及分類對象，所建立的組類物件特徵對於土地被覆型可以達到100％準確度的訓練準確度，經過分層隨機取樣評估樣區評估結果，總體的分類準確度高達89％；此一準確度可以達到99％信賴水準，顯示本研究所建立的土地被覆型分類機制應足可滿足大尺度的土地被覆型測繪精度需求。高空間解像力影像在像元尺度上所提供的光譜訊息足以代表單純物質，換言之，所提供的訊息應以單純林型(例如：針葉樹、闊葉樹、竹類、草地、以及農地等)為導向；物件基礎的支持向量機分類法所得的分類準確度卻較低於像元基礎的最大概似法(PB-MLC)，評估樣區所得的PB-MLC最佳準確度只有60％，此一準確度雖可滿足95％統計取樣的信賴水準，但是總體準確度偏低，以第四次資源調查林型圖多邊型圖徵進行空間整合分析，建立的混淆林型(例如：針葉樹、闊葉樹、竹類、竹針混、竹闊混、竹針闊混、針闊混、草地、以及農地等)為導向，PB-MLC及OB-SVM兩種機制的分類準確度約只有23％，因此，本研究建議仍需進行深入研究，以建構穩定可行的林型分類機制提供未來資源調查的應用。