文献类型： 中文期刊

作者： 王庚泽 ¹ ; 靳海亮 ¹ ; 顾晓鹤 ² ; 杨贵军 ³ ; 冯海宽 ³ ; 孙乾 ² ;

作者机构： 1.河南理工大学测绘与国土信息工程学院

2.北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室

3.国家农业信息化工程技术研究中心

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。