基于机器学习的高光谱湿地植被分类研究

论文摘要

为实现湿地植被的精细分类和高精度制图,为湿地管理部门提供准确的决策依据,以美国加州萨克拉门托—圣华金水域的典型湿地植被为研究对象,以高光谱影像为数据源,结合野外GPS采样点,对典型湿地植被的光谱反射率作一阶导数和二阶导数处理,基于均值置信区间原理筛选特征波段,基于单因素分析法筛选能够明显区分植被类型的植被指数。联合特征波段和植被指数构建特征集,利用机器学习C5.0决策树生成知识规则并提取湿地植被信息。结果表明,基于机器学习C5.0决策树的湿地植被提取总体精度为80.09%,Kappa系数为0.792,与最大似然法比较,总体精度提升10.79%,Kappa系数提升0.105,说明基于机器学习的C5.0决策树法能够实现植被的精细分类,方法切实可行。

论文目录

• 1 研究区概况和数据处理
•   1.1 研究区概况
•   1.2 数据来源
•   1.3 数据预处理
• 2 研究方法
•   2.1 导数光谱特征分析
•   2.2 基于均值置信区间波段选择
•   2.3 湿地植被指数特征与选择
•   2.4机器学习C5.0算法构建决策树
• 3 结果与精度评估
• 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: 湿地植被,机器学习,算法,高光谱影像,分类精度

来源: 林业调查规划 2019年03期

年度: 2019

分类: 农业科技,基础科学,工程科技Ⅱ辑,信息科技

专业: 生物学,工业通用技术及设备,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)(2017B669X14),中国科学院战略性先导科技专项(XDA05050106)

分类号: Q948;TP181;TP751

页码: 1-7

总页数: 7

文件大小: 2624K

下载量: 256