排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
针对长时序大尺度的土地利用类型精细化分类存在的挑战,基于Google Earth Engine遥感大数据云平台,利用具有较好时空一致性的Landsat7、Landsat8数据,采用随机森林模型和众数滤波优化算法研究了过去20年间河南省土地利用分类空间变化特征及趋势.研究结果表明:1)基于GEE遥感云平台提供的丰富数据和强大的计算能力,能较高效率地实现省域尺度长时序多时相的遥感影像土地利用变化检测,分类精度可达85％以上,标准差控制在3％以内;2)河南省2000—2020年土地利用类型的空间结构发生深刻的变化,建设用地由相对孤立的单元逐渐演化为联系密切的一体是最主要特征;3)结合众数滤波算法的随机森林分类模型能够较好地优化分类结果,产生效果更好、层次感更鲜明的分类结果. 相似文献
2.
特征选择是提高农作物分类精度的一个重要手段.本文基于时序Sentinel-2影像提取影像的波段特征、植被指数、纹理特征,以这三类特征构建分类特征集,使用随机森林算法对分类特征集进行特征选择和分类实验.根据分类混淆计算的研究区总体分类精度为92.5％,Kappa系数为0.904,高精度地提取了研究区内冬小麦、大蒜等主要冬季作物的种植信息,这表明随机森林算法在对特征降维的同时,也能保证较高的分类精度. 相似文献
1