| 基于机器学习的高光谱湿地植被分类研究 |
| |
| 引用本文： | 罗宁,阮仁宗,王俊海.基于机器学习的高光谱湿地植被分类研究[J].林业调查规划,2019(3):1-7. |
| |
| 作者姓名： | 罗宁 阮仁宗 王俊海 |
| |
| 作者单位： | 河海大学地球科学与工程学院 |
| |
| 基金项目： | 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) |
| |
| 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。
|
| 关 键 词： | 湿地植被 机器学习 C5.0算法 高光谱影像 分类精度 |
Classification of Hyperspectral Wetland Vegetation Based on Machine Learning |
| |
| LUO Ning,RUAN Renzong,WANG Junhai.Classification of Hyperspectral Wetland Vegetation Based on Machine Learning[J].Forest Inventory and Planning,2019(3):1-7. |
| |
| Authors: | LUO Ning RUAN Renzong WANG Junhai |
| |
| Institution: | (College of Earth Science and Engineering,Hohai University,Nanjing 211100,China) |
| |
| Abstract: | LUO Ning;RUAN Renzong;WANG Junhai(College of Earth Science and Engineering,Hohai University,Nanjing 211100,China) |
| |
| Keywords: | wetland vegetation machine learning C5 0 decision tree algorithm hyperspectral image classification accuracy |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
