An evaluation of Guided Regularized Random Forest for classification and regression tasks in remote sensing     

《International Journal of Applied Earth Observation and Geoinformation》2020

New Earth observation missions and technologies are delivering large amounts of data. Processing this data requires developing and evaluating novel dimensionality reduction approaches to identify the most informative features for classification and regression tasks. Here we present an exhaustive evaluation of Guided Regularized Random Forest (GRRF), a feature selection method based on Random Forest. GRRF does not require fixing a priori the number of features to be selected or setting a threshold of the feature importance. Moreover, the use of regularization ensures that features selected by GRRF are non-redundant and representative. Our experiments based on various kinds of remote sensing images, show that GRRF selected features provides similar results to those obtained when using all the available features. However, the comparison between GRRF and standard random forest features shows substantial differences: in classification, the mean overall accuracy increases by almost 6% and, in regression, the decrease in RMSE almost reaches 2%. These results demonstrate the potential of GRRF for remote sensing image classification and regression. Especially in the context of increasingly large geodatabases that challenge the application of traditional methods.  相似文献   

Estimating fractional cover of crop,crop residue,and soil in cropland using broadband remote sensing data and machine learning     

《International Journal of Applied Earth Observation and Geoinformation》2020

The fractional vegetation cover (FVC), crop residue cover (CRC), and bare soil (BS) are three important parameters in vegetation–soil ecosystems, and their correct and timely estimation can improve crop monitoring and environmental monitoring. The triangular space method uses one CRC index and one vegetation index to create a triangular space in which the three vertices represent pure vegetation, crop residue, and bare soil. Subsequently, the CRC, FVC, and BS of mixed remote sensing pixels can be distinguished by their spatial locations in the triangular space. However, soil moisture and crop-residue moisture (SM-CRM) significantly reduce the performance of broadband remote sensing CRC indices and can thus decrease the accuracy of the remote estimation and mapping of CRC, FVC, and BS. This study evaluated the use of broadband remote sensing, the triangular space method, and the random forest (RF) technique to estimate and map the FVC, CRC, and BS of cropland in which SM-CRM changes dramatically. A spectral dataset was obtained using: (1) from a field-based experiment with a field spectrometer; and (2) from a laboratory-based simulation that included four distinct soil types, three types of crop residue (winter-wheat, maize, and rice), one crop (winter wheat), and varying SM-CRM. We trained an RF model [designated the broadband crop-residue index from random forest (CRRF)] that can magnify spectral features of crop residue and soil by using the broadband remote sensing angle indices as input, and uses a moisture-resistant hyperspectral index as the target. The effects of moisture on crop residue and soil were minimized by using the broadband CRRF. Then, the CRRF-NDVI triangular space method was used to estimate and map CRC, FVC, and BS. Our method was validated by using both laboratory- and field-based experiments and Sentinel-2 broadband remote-sensing images. Our results indicate that the CRRF-NDVI triangular space method can reduce the effect of moisture on the broadband remote-sensing of CRC, and may also help to obtain laboratory and field CRC, FVC, and BS. Thus, the proposed method has great potential for application to croplands in which the SM-CRM content changes dramatically.  相似文献   

结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测     

聂倩  赵艳福 《测绘通报》2020,(6):57-62

不同时相遥感影像变化检测已成为土地利用变更调查、城市扩张分析、自然灾害分析及其他环境问题必不可少的技术手段之一。本文提出了一种结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测方法。该方法通过伪不变特征法完成两期影像的相对辐射校正，有效改善影像间的配准误差，并利用IR-MAD算法对校正后的影像进行迭代运算，采用均值漂移算法对迭代后的影像进行分割，同时运用形态学方法处理分割后的影像，最终提取变化图斑。试验结果表明，该方法可以有效检测出变化区域，可应用于城市地表覆盖的变化检测。  相似文献   

加权总体最小二乘的效率优化算法     

倪福泽  王建民 《测绘通报》2020,(11):90

加权总体最小二乘法是理论上估计EIV模型参数相对严密的方法，其迭代过程中涉及的矩阵运算较为耗时，在处理大量级数据时尤其明显。PEIV模型有助于提高加权总体最小二乘法的计算效率。本文基于PEIV模型和经典最小二乘准则给出了一种加权总体最小二乘法算法，算法的推导过程简洁，易于理解，迭代过程中无需重构矩阵，减少了矩阵运算量。最后通过仿真试验验证了算法的可靠性。试验结果表明，本文算法可以取得与现有算法相同的参数估计精度且计算效率更高。  相似文献   

不同测站点云数据的配准算法     

高益忠 《北京测绘》2020,(2):180-184

随着三维激光扫描技术的发展,利用三维激光扫描仪采集信息,构建三维模型成为了热门的课题。由于受到观测环境、观测方向等影响,无法一次性地获得物体的所有的点云数据。因此,不同视角下点云数据的配准成为了三维建模中的关键技术,直接影响了最终的重合结果以及模型精度。本文着重研究主方向贴合法和最近点迭代算法(ICP算法),基于matlab平台编写算法,并对算法进行研究,得出配准结果以及配准精度。  相似文献   

基于CLEAN算法的GPS监测数据处理方法     

张巨林 《北京测绘》2020,(3):412-416

对建筑物进行高精度的变形监测是后期信息提取,预防安全隐患的基础。针对GPS变形监测中存在的多径误差问题,本文提出一种基于CLEAN算法的GPS多径提取方法,首先对多径信号理论模型进行分析,结果表明多径信号可以作为直达信号的谐波分量,在此基础上利用CLEAN算法在频域对多径信号进行提取,基于仿真和实测数据的实验结果表明,所提方法相对于小波方法和经验模态分解(Empirical Mode Decomposition,EMD)方法具有更高的提取精度和更好的多径抑制性能。  相似文献   

基于MATLAB的铁路路基沉降预测优化方法     

刘鹏鹏  李仲勤 《北京测绘》2020,(4):580-583

高速铁路路基的工后沉降严重影响着行车安全。在已有的预测模型中,所采用的初始数据往往不能满足等时间周期采集,而且还会伴随着一系列不可避免的观测误差,模型本身的误差累计,不能进行长期预测。文中利用最小二乘原理对初始值进行拟合改进,采用Lagrange插值方法将非等间隔序列转为等间隔序列,并基于新陈更替GM(1,1)模型利用MATLAB建立沉降预测模型;在此基础上,提出对模型残差进行GM改正以提高模型精度的方法。研究表明,通过对初始值序列改正后的模型具有较好的适应性,优化改进后的模型预测误差小,预测精度优于新陈更替GM(1,1)模型。  相似文献   

基于森林模型参数先验知识估算高分辨率叶面积指数   总被引：1，自引：0，他引：1  

张静宇  王锦地  石月婵 《遥感学报》2020,24(11):1342-1352

目前，估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型，再用统计模型估算LAI。然而，与农田地面测量实验相比，森林地面测量实验获取的观测数据更加有限，这使得基于统计模型的森林高分辨率LAI的估算精度低，难以满足应用需求。为此，本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先，获取全球20个森林实验区的LAI地面测量数据和NDVI数据，建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后，以一个新的森林站点Concepción作为研究区，将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型，优化模型用于估算森林高分辨率LAI，使用验证数据评价LAI的估算精度。同时，选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度，经验证4个森林站点的均方根误差分别为0.6680，0.4449，0.2863，0.5755。研究结果表明：在仅有少量观测数据时，采用本方法能有效地提高森林高分辨率LAI的估算精度。因此，本方法可为森林高分辨率LAI的遥感估算提供参考。  相似文献   

不动产大数据在城市更新潜力空间评估中的应用     

汪洋  唐华  潘进  李洋  褚峤  刘雨晴 《测绘通报》2020,(12):71

我国在发展新常态与城市精细化治理背景下，对城市更新精准施策与量化评估提出了更高的要求。城市更新过程与人、地、房的相互作用紧密相关。不动产登记数据包含丰富的人、地、房空间属性信息，能够在城市的建成环境评估过程中发挥重要作用，现有城市更新评估模型几乎均未使用这一数据支持。本文从大数据量化评估视角出发，在文献研究的基础上，利用不动产登记大数据构建城市更新潜力评估体系，建立评估方法，并以南京市为应用案例，在街道（乡、镇）尺度上，对评估对象区域进行城市更新潜力的量化评估，实现精细化尺度的空间分析，辅助城市更新方向与选址，引导精准施策。  相似文献   

空-谱融合的条件随机场高光谱影像分类方法     

魏立飞  余铭  钟燕飞  袁自然  黄灿 《测绘学报》2020,49(3):343-354

高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。  相似文献