论文摘要
以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等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。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:（1）有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数>植被指数和水体指数>光谱特征>纹理特征;（2）基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。
论文目录
文章来源
类型: 期刊论文
作者: 张磊,宫兆宁,王启为,金点点,汪星
关键词: 河口湿地,信息提取,随机森林,特征选择,红边指数,多时相数据
来源: 遥感学报 2019年02期
年度: 2019
分类: 基础科学,信息科技
专业: 自然地理学和测绘学
单位: 首都师范大学资源环境与旅游学院,三维信息获取与应用教育部重点实验室,资源环境与地理信息系统北京市重点实验室
基金: 国家重点研发计划资助(编号:2017YFC0505903)~~
分类号: P237
页码: 313-326
总页数: 14
文件大小: 2072K
下载量: 1598