Land Cover Classification of Mosul Planning Using Gray Wolf Algorithm

方法

灰狼优化算法（GWA）结合MATLAB处理遥感影像，划分五类地物。

发现

GWA分类总体精度90.56%，可支撑环境管理与土地利用规划。

机会点

可将群智能优化用于多时相/高分辨率农业土地覆盖分类，并与深度学习特征选择结合提升精度。

土地覆盖在实地不断受到自然因素（如洪水、地震、高温引发的火灾）或人为因素（如战争等导致的人口潮汐）的影响而发生某些变化，因此需要定期提供土地覆盖分类。本文提出了一种利用灰狼算法（Gray Wolf Algorithm, GWA）对摩苏尔省土地覆盖进行分类的新技术。GWA属于智能群体高效算法的一部分，其灵感来源于灰狼的狩猎方法。我们的目标是通过利用GWA的能力，提高摩苏尔规划区土地覆盖分类的准确率和分类效率。该方法将参与遥感技术的进步，有助于环境管理、降低灾害风险和土地利用规划。灰狼算法使用MATLAB实现，从图像中识别出五个类别。每个类别（水体、土壤、露头、坡积物和积累冰川）都有特定的颜色作为类别指示。取得了良好的结果，并与真实数据进行比较后计算了准确率，达到90.56%。