第３５卷，第２期自然资源遥感Ｖｏｌ．３５，Ｎｏ．２２０２３年６月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＮＡＴＵＲＡＬＲＥＳＯＵＲＣＥＳＪｕｎ．，２０２３ｄｏｉ：１０．６０４６／ｚｒｚｙｙｇ．２０２２１３６引用格式：熊东阳，张林，李国庆．基于最大熵模型的遥感土地利用多分类研究［Ｊ］．自然资源遥感，２０２３，３５（２）：１４０－１４８．（ＸｉｏｎｇＤＹ，ＺｈａｎｇＬ，ＬｉＧＱ．ＭａｘＥｎｔ－ｂａｓｅｄｍｕｌｔｉ－ｃｌａｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｌａｎｄｕｓｅｉｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｉｎｔｅｒｐｒｅｔａｔｉｏｎ［Ｊ］．Ｒｅ⁃ｍｏｔｅＳｅｎｓｉｎｇｆｏｒＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓ，２０２３，３５（２）：１４０－１４８．）基于最大熵模型的遥感土地利用多分类研究熊东阳１，２，３，张林２，４，李国庆２，４（１．中国科学院教育部水土保持与生态环境研究中心，杨凌７１２１００；２．中国科学院水利部水土保持研究所，杨凌７１２１００；３．中国科学院大学，北京１０００４９；４．西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室，杨凌７１２１００）摘要：影像解译中对土地利用单分类的关注成为遥感研究的热点问题。最大熵模型（ＭａｘＥｎｔ）被评价为最有潜力的单分类算法，被广泛应用于土地利用的单分类研究。然而，单分类算法（包括ＭａｘＥｎｔ）是否能够进行土地利用多分类尚不明晰。为了解决该问题，文章建立了利用ＭａｘＥｎｔ进行遥感土地利用多分类的技术流程，并将该流程应用在云岩河流域的土地利用多分类研究中。使用总体分类精度、Ｋａｐｐａ系数、灵敏度以及特异度评估ＭａｘＥｎｔ的总体分类效果以及在各个地类上的预测表现；同时使用Ｋａｐｐａ值评估ＭａｘＥｎｔ与随机森林（ｒａｎｄｅｍｆｏｒｅｓｔ，ＲＦ）、最大似然法（ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｃｌａｓｓｉｆｉｃａｔｉｏｎ，ＭＬＣ）、支持向量机（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）在土地利用预测上的一致性表现。结果表明：①ＭａｘＥｎｔ的分类表现最好，总体分类精度为８４％，Ｋａｐｐａ系数为０．８；②ＭａｘＥｎｔ在各个地类上没有最差的表现，甚至在某些地类上达到了最优的表现；③ＭａｘＥｎｔ与ＲＦ和ＳＶＭ的分类一致性较高，这３种算法预测的土地利用之间一致性评估Ｋａｐｐａ值均超过了０．６；④ＭＬＣ与其他３种分类算法预测土地利用...
