基于改进分离阈值特征优选的秋季作物遥感分类

文献类型： 中文期刊

第一作者： 王庚泽

作者： 王庚泽;靳海亮;顾晓鹤;杨贵军;冯海宽;孙乾

作者机构：

关键词： 秋季作物;遥感分类;特征优选;改进分离阈值组合式特征优选算法;随机森林

期刊名称： 农业机械学报

ISSN：

年卷期： 2021 年 002 期

页码： 199-210

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了提高秋季作物分类精度,以多时相的Sentinel-2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法（Modified ISEa TH-based entropy,EMISE）的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法（Modified EMISE-based Relief F,Re EMISE）,并分析了不同特征对秋季作物分类的重要性。首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林（Random forest,RF）方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较。同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响。结果表明:Re EMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.391 8%和0.939 7;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.502 1、1.571 5个百分点,Kappa系数分别提高0.019 8、0.020 7。因此综合多特征的Re EMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率。

分类号： S127%TP79

  • 相关文献

[1]基于GF-1号影像的南方水稻种植信息提取. 林娜,陈宏,李志鹏,赵健. 2021

[2]基于不确定性分析的遥感分类空间分层及评估方法. 吴亚楠,郭长恩,于东平,段爱民,刘玉,董士伟,单东方,吴耐明,李西灿. 2022

[3]基于决策树和SVM的Sentinel-2A影像作物提取方法. 王利军,郭燕,贺佳,王利民,张喜旺,刘婷. 2018

[4]基于特征优选随机森林算法的农耕区土地利用分类. 王李娟,孔钰如,杨小冬,徐艺,梁亮,王树果. 2020

[5]融合时序Sentinel数据多特征优选的南方丘陵区油茶种植区提取. 李恒凯,王洁,周艳兵,龙北平. 2024

[6]时间序列特征提取和分类器对农作物分类的影响研究. 温彩运,陆苗,宋茜,程锐,张士博. 2021

[7]一种基于变权重组合的光谱相似性测度. 张浚哲,朱文泉,董燕生,姜乃文,潘耀忠. 2013

[8]基于ENVISAT ASAR数据的水稻估产方案. 申双和,杨沈斌,李秉柏,谭炳香,李增元. 2009

[9]兼顾面积属性与不确定性信息的样本点权重调整方法. 李安娜,马庆伟,董士伟,周鹏娜,李西灿,刘玉. 2023

[10]水稻空间分布遥感提取研究进展与展望. 李志鹏,刘珍环,李正国,唐鹏钦,谭杰扬,杨鹏. 2014

[11]重复传播网络的改进及其在遥感分类中的应用研究. 孙丹峰,李红. 2000

[12]面向遥感分类精度评价的空间分层模式与分异性评估. 吴亚楠,董士伟,肖聪,李西灿,潘瑜春,牛冲. 2021

[13]基于深度学习和GEE的作物遥感分类. 赵昊楠,马海燕,阿斯娅·曼力克,田聪,徐俊,潘竟,孙宗玖,郑逢令. 2024

[14]随机森林算法的水果糖分近红外光谱测量. 李盛芳,贾敏智,董大明. 2018

[15]基于EFAST方法的苹果叶片叶绿素含量估算. 杨福芹,沙从术,冯海宽,韩瑞芳,徐平. 2017

[16]基于高光谱的苹果叶片叶绿素含量估算. 杨福芹,冯海宽,李振海,杨贵军,戴华阳. 2017

[17]基于无人机高光谱长势指标的冬小麦长势监测. 陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文. 2020

[18]倒伏胁迫下的玉米冠层结构特征变化与光谱响应解析. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓,孙乾,周龙飞. 2019

[19]不同模型在渔业CPUE标准化中的比较分析. 杨胜龙,张禹,张衡,樊伟. 2015

[20]基于随机森林算法的冬小麦生物量遥感估算模型对比. 岳继博,杨贵军,冯海宽. 2016

作者其他论文 更多>>

微信小程序