共查询到20条相似文献，搜索用时 31 毫秒
1.
利用大丰市沿海滩涂湿地区域的高光谱影像和同时期的机载LIDAR数据,结合影像的光谱信息,采用随机森林算法(RF)对研究区进行湿地植被精细分类,并分析和评价分类模型参数设置对总体精度的影响,最后与SVM分类结果进行对比。结果表明:随机森林分类方法的总体精度为90.3%、卡帕(Kappa)系数为0.874;与传统的SVM分类方法相比,RF法均提高了4种湿地植被的生产者精度和使用者精度。通过分析RF分类模型参数设置对总体精度的影响,得出当生长树个数为30、生长树深度为30时,分类精度最高。 相似文献
2.
遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。 相似文献
3.
盐沼是中高纬度海岸带区域生产力极高的生态系统,不同种类盐沼植被提供的生态服务功能具有明显差异。围垦、互花米草入侵、海平面上升等人类活动和自然要素复合作用,导致中国海岸带盐沼植被结构和空间分布快速变化。现有光学遥感方法在海岸带区域受潮汐、云雾干扰严重;高光谱、LiDAR等数据方法难以大范围高时效获取盐沼植被信息。本文以长江河口为研究区域,提出了基于植被物候期多时相雷达后向散射特征优选的海岸带盐沼植被分类方法。采用Sentinel-1雷达数据,分析盐沼、潮间森林沼泽、光滩和水体的雷达后向散射全年时序特征。结合盐沼植被物候特点,基于分离阈值法计算典型盐沼植被月际后向散射特征间分离度。根据最优时序雷达分类特征,采用随机森林方法获取盐沼植被种类、结构和空间分布。结果表明：（1）全年VH极化后向散射均值能较好将水体、光滩、潮间森林沼泽与盐沼区分。（2）4月VV极化、11月VH极化与3月VV极化后向散射均值分别为海三棱藨草/藨草、互花米草与芦苇的最优分类特征。（3）基于年际和月际时序雷达最优特征和随机森林分类算法获得的盐沼植被总体分类精度达到85%,Kappa系数为0.80。相较光学遥感,雷达遥感影像可有效获取盐沼植被年际、月际时序雷达后向散射特征,准确得到海岸带盐沼植被空间动态,在海岸带研究中具有较好的应用潜力,可为海岸带生物多样性保护、湿地生态系统功能提升与生态环境管理等提供重要技术手段和数据支撑。 相似文献
4.
利用江苏盐城东部沿海8幅ERS-2 SAR影像构建像素级时间序列,根据训练样本得出互花米草盐沼的标准时间序列曲线;基于动态时间弯曲DTW距离进行时间序列相似性分析后提取互花米草盐沼,用同年Landsat TM影像、CBERS-02B CCD影像目视解译的真实地面数据进行精度评价。结果表明:1)互花米草盐沼的时间序列曲线呈波动性变化,与研究区其他4类典型地物的时间序列曲线差异较大;2)互花米草盐沼提取结果的精度较高,基于Landsat TM影像的精度评价结果——正确率86.81%,完整率84.63%,基于CBERS-02B CCD影像的精度评价结果——正确率87.84%,完整率83.87%。 相似文献
5.
入侵种互花米草的光谱分层分析方法 总被引：2，自引：0，他引：2
针对互花米草的爆发式增长对沿海滩涂生物多样性和生态稳定带来了巨大的生态威胁的问题,该文以闽江河口互花米草和其他3种湿地植物的室内叶片高光谱数据为例,探讨互花米草与其伴生植物是否具有光谱可分性。采用一种分层分析方法对实测高光谱数据降维并选择出识别互花米草的最佳波段。首先,利用ANOVA对光谱数据降维,选择出互花米草与其他湿地植物光谱具有显著性差异的波段;其次,使用CART算法对ANOVA降维后具有显著差异的高光谱数据进一步降维,找到识别互花米草潜在的最佳波段;最后,利用J-M距离评估CART选择波段的可分性。结果表明:互花米草与其他3种湿地植物具有光谱可分性,其J-M距离均高于1.9;基于CART算法的入侵种互花米草的识别精度平均达到96.7%,高于传统方法的识别精度。该文成果将为航空或航天高光谱遥感监测互花米草入侵区提供参考。 相似文献
6.
红树林湿地植被生物量的雷达遥感估算 总被引：19，自引：0，他引：19
根据雷达后向散射系数建立了红树林湿地植被生物量的估算模型,并运用遗传算法确定其中非线性模型的最优参数.对比分析表明,雷达后向散射系数模型比NDVI模型在植被生物量估算中有更高的精度.使用NDVI指数有可能导致某些植被类型的生物量估算出现较大的误差.这是因为一些具有密集冠层的草本植被（例如互花米草等）有比红树林高得多的NDVI值.而雷达遥感所具有的侧视特点及一定的穿透能力能有效地获取植被的垂直信息,大大减低植被生物量估算的误差. 相似文献
7.
南美洲湿地面积广且类型多样，但湿地制图相关研究匮乏，通过遥感手段可为南美洲全域湿地制图提供科学技术支撑。本研究依托GEE (Google Earth Engine)平台面向南美洲湿地提出一种多源多特征集成的湿地制图方法。研究选取南美洲典型湿地地区为研究区，首先利用已有土地覆盖数据集提出一种有效的湿地样本采集流程以保证样本质量，其次结合哨兵1号、哨兵2号和SRTM数据构建多源特征集合，并基于随机森林的递归特征消除算法(RF＿RFE)进行特征优选，构建不同特征组合方案对比多源特征对湿地分类结果的影响，最后采用随机森林算法对研究区湿地进行分类提取。研究结果表明，设计样本采集方案可有效提高样本质量，多源特征集合能够提升湿地分类精度，特征优选能够减少特征冗余并提升分类精度。研究区分类总体精度为85.62%,Kappa系数为0.8333，其中湿地类别的精度最低为69.85%，最高为95.18%。 相似文献
8.
基于Sentinel-1多时相InSAR影像的云南松切梢小蠹危害程度监测 总被引：1，自引：0，他引：1
《国土资源遥感》2018,(4)
森林病虫害是森林健康生长的重要威胁之一,开展其危害程度监测对森林保护具有重要意义。基于多时相Sentinel-1C波段雷达数据、云南松物候和地面高度2 m处的相对湿度资料,对SAR相干系数和后向散射系数的时变特征及与相对湿度的相关性进行了分析,提出一种利用合成孔径雷达干涉(interferometric synthetic apertrue Radar,InSAR)影像进行森林病虫害危害程度监测的方法;并以云南省祥云县为研究区,进行了云南松健康林与不同程度受害林的分类研究。结果表明:(1)后向散射系数和相干系数的时序变化均与云南松物候期相关;(2)相干系数与相对湿度的相关性很小,后向散射系数与相对湿度有一定的相关性,其中轻度受害林的相关性达到0. 78;(3)通过实测数据验证,用多时相相干系数进行分类,精度高于后向散射系数分类,其中降轨数据的精度最高,可达到83. 15%,表明多时相C波段SAR相干数据可有效识别健康林与不同程度的受害林;(4)该方法对多云雨地区的森林病虫害监测与分类有一定的优势,可以进一步提升遥感监测病虫害的能力。 相似文献
9.
10.
为满足地理国情普查及监测对湿地地表覆盖要素自动分类需求,本文以GF-2影像为数据源,采用Relief F算法优选特征,根据选取不同特征数量达到的总体分类精度和类间分类精度,对比分析面向对象的随机森林、决策树、支持向量机、最邻近4种分类方法对湿地覆被自动分类的适用性,通过实例进行对比分析,结果表明经过特征优选上述4种分类方法均可利用较少特征值达到较优的分类结果,验证了Relief F算法的有效性。在分类精度和学习速度方面,随机森林最优,决策树优于支持向量机,除最邻近方法外均可用于湿地信息普查。 相似文献
11.
基于Sentinel-1A数据的临高县早稻面积提取 总被引：1，自引：0，他引：1
《国土资源遥感》2020,(1)
为了探讨双极化Sentinel-1A雷达影像数据识别提取早稻面积分布信息的能力,在分析典型地物后向散射系数的基础上,沿用极化差分合成孔径雷达(synthetic aperture Radar,SAR)图像和极化比值SAR图像对典型地物分类有着重要作用的思路,提出水体归一化参数,随后采用支持向量机(support vector machine,SVM)分类方法和阈值分类方法选取单时相、多时相水体归一化极化SAR数据(2017年3月10日、3月22日、4月3日、4月15日、4月27日)提取早稻面积。结果表明,阈值分类方法优于SVM分类方法,其总体精度为89.01%,Kappa系数为0.823 1,早稻的制图精度和用户精度分别为92.68%和82.26%;种植面积为1.29万hm~2,与临高县主要的早稻生产基地在空间分布上基本一致。由此可得,多参数的极化SAR数据可以提高识别提取地物的精度,提取早稻面积的最佳监测数据为多时相水体归一化VH极化SAR数据。 相似文献
12.
精准农田识别是农作物估产和粮食安全评估的基础。遥感数据作为农田识别的重要数据源,可提供动态、快速的监测结果。高光谱数据在农田识别分类方面具有巨大的应用潜力,但其中的冗余波段影响了分类效率和分类精度。因此,本研究提出了一种适用于高光谱数据农田分类的混合式特征选择算法。首先,基于变量的重要性排序或约束程度,按步长逐步进行降维;其次,寻找分类精度骤减的转折点,并将其对应的变量作为特征子集;最后,利用序列后向选择SBS（Sequential Backward Selection）方法搜索最优分类特征子集。本研究利用GF-5高光谱数据,共研究了3种降维方法（随机森林RF（Random Forest）、互信息MI（Multi-Information）和L1正则化（L1 regularization））和3种分类算法（随机森林、支持向量机SVM（Support Vector Machine）和K近邻KNN（K-Nearest Neighbor））的组合在农田分类中的表现。结果表明,基于L1正则化法得到的特征子集自相关性较低,并且包含的红边和近红外波段有效提高了农田、森林和裸土的区分度。在不同分类模型比较中发现,SVM在高维空间中表现出非常好的抗噪能力,分类精度高于RF和KNN。而RF在低维空间中的泛化能力要高于SVM和KNN。相比于第一步降维得到的特征子集,使用SBS搜索得到的最优特征子集均提高了分类精度。最终,具有23维输入的L1-SVM-SBS分类模型得到了最高的总体分类精度（94.64%）和农田召回率（95.83%）。本研究为高光谱数据特征优选提供了一种新思路,筛选出了更具代表性的特征波段,提高了农田分类精度,对高光谱遥感分类研究具有参考价值。 相似文献
13.
基于光学影像的遥感技术受云雨等天气条件影响较大,而合成孔径雷达(SAR)由于具有穿透能力可以很好的克服这一缺陷。本文以黑龙江流域扎龙湿地为研究区域,采用时间序列C波段双极化(VV、VH)Sentinel-1数据,结合面向对象的图像分析技术对扎龙湿地进行分类。对比分析了5种机器学习算法得出随机森林算法的精度最高,总体精度为88.43%,Kappa系数为0.8646,其中沼泽的制图精度达到84.68%,用户精度达到89.47%。使用Sentinel-1数据对扎龙湿地进行湿地信息提取的最佳时相为5月、7月和8月。 相似文献
14.
Sentinel-2影像多特征优选的黄河三角洲湿地信息提取 总被引：7，自引：1，他引：7
以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等方面具有明显优势的随机森林算法,对研究区内的湿地信息进行提取。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:(1)有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数植被指数和水体指数光谱特征纹理特征;(2)基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。 相似文献
15.
结合随机森林面向对象的森林资源分类 总被引：2，自引：0，他引：2
针对森林资源分类研究较少且缺少相对简单有效的方法的情况,提出一种结合面向对象和随机森林的森林资源分类方法。面向对象分割技术可减少“椒盐效应”,随机森林分类算法具有高准确度、抗噪声能力强、性能稳定等优势。鉴于此,通过调整面向对象的分割参数,构造最优特征空间及估算随机森林中决策树的数量等,构建了最优的面向对象随机森林分类模型。另外,选择了SVM算法作对比试验。试验结果显示,本文分类算法的总体精度达到83.34%,Kappa系数为0.7892,明显高于SVM,能够有效提高森林资源分类的精度。 相似文献
16.
湿地是陆地生态系统和水生生态系统之间的重要过渡带,准确高效地获取湿地植物群落分布信息对于保护湿地具有深远的意义。本文以无人机多光谱影像为数据源,首先构建包含光谱特征、植被指数和纹理特征的多维特征数据集,并采用Relief F算法进行特征优选,确定最优特征数据集;然后构建基于特征优选的卷积神经网络(CNN)分类模型,对最优特征数据集进行分类,并与基于原始多光谱影像的CNN和随机森林(RF)分类方法进行对比。结果表明：(1)随着特征个数的增加,分类精度先增加后下降,当特征数为32时分类精度最高;(2)窗口为13×13的GLCM提取的信息熵和同质性等纹理特征及GNDVI、MSAVI2、RVI等多光谱植被指数重要性较高;(3)基于最优特征数据集的CNN分类模型,能够有效提取空间光谱信息,抑制“椒盐现象”的产生,分类效果最佳,总体精度达93.40%,与未进行特征优选的RF和CNN分类模型相比分别提高了9.80%和7.40%。 相似文献
17.
18.
优化子空间SVM集成的高光谱图像分类 总被引：2，自引：0，他引：2
随机子空间集成是很有前景的高光谱图像分类技术,子空间的多样性和单个子空间的性能与集成后的分类精度密切相关。传统方法在增强单个子空间性能的同时,往往会获得大量最优但相似的子空间,因而减小它们之间的多样性,限制集成系统的分类精度。为此,提出优化子空间SVM集成的高光谱图像分类方法。该方法采用支持向量机(SVM)作为基分类器,并通过SVM之间的模式差别对随机子空间进行k-means聚类,最后选择每类中J-M距离最大的子空间进行集成,从而实现高光谱图像分类。实验结果显示,优化子空间SVM集成的高光谱图像分类方法能够有效解决小样本情况下的Hughes效应问题;总体精度达到75%–80%,Kappa系数达到0.61–0.74;比随机子空间集成方法和随机森林方法分类精度更高、更稳定,适合高光谱图像分类。 相似文献
19.
为了实现大范围湿地动态监测，本文以辽河入海口附近的盘锦湿地为研究区，基于Sentinel2-L1C和AW3D30 DSM数据，在随机森林分类的基础上，结合地形数字特征和多边形形状特征对研究区进行湿地信息提取。通过人工目视解译对该分类方法进行精度验证，结果表明：该方法的自动化程度较高，能够在较少的人工干预下提取湿地覆盖范围。提取结果精度较高，制图精度和总体精度分别为91.04%和82.65%，Kappa系数为0.599 7，说明本文所采用的计算机分类方法与人工目视解译方法具有较好的一致性。 相似文献