基于ICESat/GLAS的全波形LiDAR地形分类：多类SVM方法研究

本文主要探讨了"基于多类支持向量机对全波形LiDAR的地形分类方法研究"这一主题，由李小路、马莲和徐立军三位研究人员合作完成。他们的研究着重于利用支持向量机（SVM）技术对北京地区的地形进行精确分类，特别是在处理全波形LiDAR数据方面。全波形LiDAR是一种先进的遥感技术，它能提供更丰富的地形信息，而非传统的点云数据。 研究背景是基于国家自然科学基金项目（No.61201316）以及高等学校博士学科点专项科研基金课题（No.20121102120040）的支持，显示出其在学术界的重要性和资金支持。作者李小路拥有丰富的激光雷达信号处理和光信号信息处理背景，他在北京航空航天大学担任讲师，电子邮箱为xiaoluli@buaa.edu.com。 研究方法的关键步骤包括使用来自ICESat任务的全波形回波数据作为测试属性数据，通过SVM算法构建预测模型。由于北京地区地形多样，主要包括平原、山区和梯田等，研究者将GLAS接收到的回波分为五类：无效波形、平原波形、梯田波形、建筑波形和山区波形。通过对这段时期的全波形数据进行分析，他们实现了87%的整体精度，证明了这种方法在地形分类方面的有效性。 文章强调了这种多类SVM方法在土地分类上的应用潜力，尤其是在实现土地分类的自动化方面，这为未来遥感数据分析提供了新的可能性。此外，研究采用了中图分类号TP79，表明该工作属于遥感技术领域中的具体应用。 总结来说，这篇首发论文深入研究了如何利用多类支持向量机处理全波形LiDAR数据，以实现对复杂地形如北京地区的精准分类，并展示了这项技术在遥感领域中的实际应用价值。其研究成果对于推动土地分类技术的发展和提高遥感数据分析的自动化水平具有重要意义。