王国重，李中原，张继宇，程焕玲，李佳红

（1.黄河水文水资源科学研究院，郑州 450004；2.河南省水文水资源局，郑州 450003；3.河南黄河河务局，郑州 450003；4.河南省水土保持监测总站，郑州 450008；5.河南省焦作水文水资源勘测局，河南 焦作 454002）

区域土地利用/覆盖变化与其环境生态和经济社会可持续发展息息相关，自然过程与人类活动是导致土地利用改变的主要因素。近年来，随着科技和经济的快速发展，尤其是第三产业的异军突起，土地利用类型也在发生显著变化，表现为建筑用地、工矿用地增加迅速，耕地、林地、草地等面积被挤占，使得土地资源开发利用问题突出，严重制约着粮食安全、人与自然的和谐相处［1-3］。

利用遥感技术获取土地利用/覆盖信息首先需要对地物进行分类，随着计算机技术的不断革新、众多学者的潜心钻研，各种影像分类方法不断涌现，如随机森林（RF）、K近邻（KNN）、支持向量机（SVM）、最大似然法（ML）、决策树（DT）、稀疏表达分类器（SRC）、人工神经网络（ANN）等，国内外学者基于不同遥感数据尝试相应的分类方法取得了许多有价值的成果［4-8］，但对这些分类方法的时效性与精度比较研究的报道还不多。上述分类方法中，SVM和最大似然法是最为常用的2种分类方法。SVM通过学习算法，能够自动搜寻对分类有较好辨识能力的支持向量，因准确率较高，在模式识别、故障检测、分类和回归分析等方面应用广泛［9-11］；最大似然法是将多波段遥感数据视作多维正态分布来构造分类函数，再据此函数与最大值原则判断类别的归属，因参数解释能力较强、易于与先验知识融合、算法简单易于实施，得到许多研究者的青睐［12-15］。……