基于随机森林的高寒湿地地区土地覆盖遥感分类方法

文献类型： 中文期刊

第一作者： 侯蒙京

作者： 侯蒙京;殷建鹏;葛静;李元春;冯琦胜;梁天刚

作者机构：

关键词： 高寒湿地;土地覆盖;随机森林;特征选择;遥感;分类

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2020 年 007 期

页码： 220-227

收录情况： EI ; 北大核心 ; CSCD

摘要： 高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区.利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义.本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性.结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点.

分类号： X171%TP79

  • 相关文献

[1]极化SAR旱地作物分类的后向消除特征选择研究. 曾妍,王迪. 2023

[2]基于遗传规划的地表覆盖变化检测方法研究. 张胜男,陆苗,毕莹,温彩运. 2023

[3]基于SAR遥感的北方旱地秋收作物识别研究. 东朝霞,王迪,周清波,陈仲新,刘佳. 2016

[4]基于随机森林的烤烟香型分类研究. 郭东锋,胡海洲,汪季涛,姚忠达,杨辉,徐玮,刘新民. 2015

[5]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

[6]基于随机森林的水稻信息提取研究. 王克晓,周蕊,虞豹,黄祥,王茜. 2018

[7]基于Sentinel-2影像分辨率提升的西南山区油菜作物识别研究. 欧嫣然,王克晓,虞豹,黄祥,王茜. 2020

[8]随机森林方法在玉米-大豆精细识别中的应用. 王利民,刘佳,杨玲波,杨福刚,富长虹. 2018

[9]基于随机森林的水稻信息提取研究. 王克晓,周蕊,虞豹,黄祥,王茜. 2018

[10]基于遥感的西南地区水稻种植信息提取. 王克晓,周蕊,虞豹,黄祥,王茜. 2019

[11]利用多时相Landsat近红外波段监测冬小麦和苜蓿种植面积. 李存军,王纪华,刘良云,宋晓宇,王人潮. 2005

[12]基于时间序列环境卫星影像的作物分类识别. 李鑫川,徐新刚,王纪华,武洪峰,金秀良,李存军,鲍艳松. 2013

[13]无人机可见光遥感影像的农作物信息提取及验证. 陈智虎,许元红,童倩倩,刘春艳,赵泽英. 2020

[14]基于分区和多时相遥感数据的山区植被分类研究. 竞霞,王锦地,王纪华,黄文江,刘良云. 2008

[15]地块数据支持下的玉米种植面积遥感测量方法. 马丽,顾晓鹤,徐新刚,黄文江,贾建华. 2009

[16]融合多尺度特征和注意力机制的油菜倒伏分类. 郑权,乔江伟,李婕,秦涛,涂静敏,李礼,蒋琦. 2024

[17]基于高光谱遥感的农作物分类研究进展. 张影,赵小娟,王迪. 2019

[18]基于环境卫星影像的水稻种植面积提取方法研究. 单捷,岳彩荣,江南,孙玲. 2012

[19]基于多时相遥感植被指数的柑橘果园识别. 梁晨欣,黄启厅,王思,王聪,余强毅,吴文斌. 2021

[20]基于Sentinel-1时序数据的稻虾田遥感识别. 董秀春,蒋怡,李宗南,陈洋,王小燕,杨雪青,李章成,刘亚. 2024

作者其他论文 更多>>

微信小程序