论文摘要
以塔里木河边缘的渭-库绿洲（渭干河-库车河绿洲）为研究区,采用在特征选择和分类提取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。基于多时相、光谱信息丰富的Landsat8 OLI数据生成包括光谱特征、植被和水体指数、盐分指数、纹理信息在内的4种特征变量;根据以上特征设计6种不同的提取方案,对绿洲内部的干旱区湿地信息进行提取并验证不同方案的提取精度,旨在选取最佳方案提高湿地信息提取的精度。结果表明:①多种特征变量的有效组合是提高湿地信息提取精度的关键,就不同特征对湿地信息提取的贡献度而言,光谱特征>植被和水体指数>纹理特征>盐分指数;②基于随机森林算法优选的特征变量提取速度最快,效果最佳,总体精度为90.09%,Kappa系数为0.882 5。提取方法在挖掘特征变量的同时,保证了湿地信息提取的准确性,提高了运行效率。湿地提取结果对当地绿洲制定科学的水肥管理措施及进行干旱状况评估具有一定的现实意义。
论文目录
文章来源
类型: 期刊论文
作者: 顾峰,丁建丽,王敬哲,葛翔宇
关键词: 干旱区湿地,信息提取,随机森林,特征选择,盐分指数
来源: 中国农村水利水电 2019年06期
年度: 2019
分类: 农业科技,工程科技Ⅰ辑
专业: 环境科学与资源利用
单位: 新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室,新疆大学绿洲生态教育部重点实验室
基金: 国家自然科学基金资助项目(41771470),新疆自治区重点实验室专项基金资助项目(2016D03001),自治区科技支疆项目(201591101)
分类号: X171;X87
页码: 44-50+55
总页数: 8
文件大小: 532K
下载量: 285
相关论文文献
- [1].基于迭代随机森林算法的糖尿病预测[J]. 长春工业大学学报 2019(06)
- [2].基于改进随机森林的城市河流水生态健康评价研究[J]. 海河水利 2019(06)
- [3].基于随机森林癫痫患者脑电数据的分析研究[J]. 中国数字医学 2020(01)
- [4].基于局部均值分解和迭代随机森林的脑电分类[J]. 吉林大学学报(信息科学版) 2020(01)
- [5].网贷平台数据的随机森林预测模型实证分析[J]. 宜宾学院学报 2019(12)
- [6].采用单类随机森林的异常检测方法及应用[J]. 西安交通大学学报 2020(02)
- [7].随机森林数据情感挖掘方法分析[J]. 通讯世界 2020(01)
- [8].运用最大熵模型和随机森林模型对东北红松分布的模拟[J]. 东北林业大学学报 2020(03)
- [9].基于随机森林算法的城区土地覆盖分类研究[J]. 河北省科学院学报 2020(01)
- [10].运用随机森林模型对北京市林分蓄积生长量的预测[J]. 东北林业大学学报 2020(05)
- [11].融合人工鱼群和随机森林算法的膝关节接触力预测[J]. 中国医学物理学杂志 2020(04)
- [12].结合特征选择和优化随机森林的无线网络数据丢失重建[J]. 上海电力大学学报 2020(03)
- [13].基于随机森林算法的耕地质量定级指标体系研究[J]. 华南农业大学学报 2020(04)
- [14].一种基于随机森林的组合分类算法设计与应用[J]. 电子设计工程 2020(16)
- [15].基于随机森林算法的日光温室内气温预测模型研究[J]. 中国农学通报 2020(25)
- [16].基于因子分析和迭代随机森林方法的学生成绩综合评价——以都匀市某高中为例[J]. 黔南民族师范学院学报 2020(04)
- [17].基于随机森林模拟的辽宁省降水量空间分布研究[J]. 陕西水利 2020(09)
- [18].随机森林模型在膝关节炎患者结构特征与症状定量分析中的应用（英文）[J]. 磁共振成像 2020(10)
- [19].基于特征选择的极限随机森林算法研究[J]. 计算机应用研究 2020(09)
- [20].随机森林回归分析方法在代谢组学批次效应移除中的应用[J]. 中国卫生统计 2020(05)
- [21].一种面向非均衡分类的随机森林算法[J]. 计算机与现代化 2018(12)
- [22].随机森林模型和决策树模型在肝硬化上消化道出血预后中的应用[J]. 中国卫生统计 2019(02)
- [23].基于随机森林的债券违约分析[J]. 当代经济 2018(03)
- [24].基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用 2018(10)
- [25].随机森林在城市不透水面提取中的应用研究[J]. 云南师范大学学报(自然科学版) 2017(03)
- [26].一种顺序响应的随机森林:变量预测和选择[J]. 小型微型计算机系统 2017(08)
- [27].基于随机森林回归的军械器材需求预测[J]. 自动化应用 2017(09)
- [28].流式大数据下随机森林方法及应用[J]. 西北工业大学学报 2015(06)
- [29].面向高维数据的随机森林算法优化探讨[J]. 商 2016(04)
- [30].深度随机森林在离网预测中的应用[J]. 计算机科学 2016(06)