為探尋訓(xùn)練樣本數(shù)量對(duì)濕地遙感影像分類精度的影響規(guī)律,基于統(tǒng)計(jì)學(xué)理論提出面向?qū)ο蟮姆诸惙椒?以GF-2影像為數(shù)據(jù)源,在構(gòu)建標(biāo)準(zhǔn)訓(xùn)練樣本集的基礎(chǔ)上,研究KNN算法和SVM算法的線性函數(shù)、多項(xiàng)式函數(shù)、徑向基函數(shù)在濕地分類中的適用性和有效性。根據(jù)分類統(tǒng)計(jì)和對(duì)比分析結(jié)果,得到了提取濕地要素時(shí)能夠滿足精度所需的最少訓(xùn)練樣本數(shù)量。利用該方法在河南省三門峽市天鵝湖公園進(jìn)行試驗(yàn),提取3~10倍波段數(shù)的訓(xùn)練樣本,對(duì)每個(gè)樣本進(jìn)行3次試驗(yàn),得到96張分類圖。結(jié)果表明,選取6倍波段數(shù)的樣本數(shù)量,總體分類精度達(dá)到85%,Kappa系數(shù)達(dá)到0.8,符合分類精度要求,且訓(xùn)練樣本數(shù)量較基于像素的監(jiān)督分類方法大大減少,SVM算法