基于机器学习与高光谱数据的湿地植被物种识别研究

论文摘要

为了探索利用高光谱高空间分辨率遥感数据进行湿地植被物种识别,笔者在分析6种湿地植被原反射光谱、二阶微分及连续统去除光谱的基础上,利用马氏距离法和相关系数法提取特征波段,并将其作为特征参数参与C5.0决策树分类与信息提取。结果显示:(1)基于机器学习的C5.0决策树法总体分类精度为79.87%,Kappa系数为0.765,与监督分类最大似然法相比,植被信息提取总体精度提高9.95%,Kappa系数提高0.114;(2)机器学习C5.0决策树法与最大似然法相比,其独特的优势在于对藻类的信息提取精度大大提升,狐尾藻和水蕴草的用户精度提升最大,分别提升了18.67%和15.86%。该方法能够实现湿地植被物种信息的高精度提取,为同类研究提供借鉴,为湿地生态健康评价提供科学与技术上的支持。

论文目录

• 0 引言
• 1 研究区概况与数据预处理
•   1.1 研究区概况
•   1.2 数据来源及预处理
• 2 研究方法
•   2.1 光谱数据变换
•     2.1.1 光谱二阶微分
•     2.1.2 包络线去除
•   2.2 光谱特征选择
•     2.2.1 马氏距离法
•     2.2.2 相关系数法
•   2.3 机器学习C5.0决策树
• 3 结果与分析
•   3.1 光谱特征分析与差异显著波段提取
•     3.1.1 光谱特征分析
•     3.1.2 马氏距离结果分析
•     3.1.3相关系数结果分析
•     3.1.4 基于C5.0算法构建决策树
•   3.2 分类结果与精度评价
• 4 结论与讨论

文章来源

类型: 期刊论文

作者: 罗宁,阮仁宗,王俊海

关键词: 大数据集,机器学习,决策树模型,算法,高光谱数据,光谱特征,物种识别

来源: 中国农学通报 2019年13期

年度: 2019

分类: 农业科技,基础科学,信息科技

专业: 生物学,自动化技术

单位: 河海大学地球科学与工程学院

基金: 中央高校基本科研业务费(学生项目)“城市高分影像三维场景建模研究”(2017B669X14),中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”(XDA05050106)

分类号: Q94;TP181

页码: 157-164

总页数: 8

文件大小: 1786K

下载量: 292