面向土地覆盖精准分类的遥感特征参数优选方法

P237; 在显著气候变化叠加人类活动干扰的背景下,可持续的自然资源管理对于精准掌握土地覆盖信息的需求不断提升.为应对地表形态的复杂性、地物类型的多样性、遥感图像特征的非线性给传统遥感图像分类方法带来的挑战,本文基于随机森林Gini指数,提出了一种10％阈值决策的遥感特征参数优选方法,旨在筛选出最优的遥感特征参数组合,达到最佳土地覆盖分类效果.首先,选择光谱特征、纹理特征、温热特征、高程特征、主成分特征组成遥感影像堆栈.然后,设置多组决策树对特征贡献度进行交叉验证,并根据特征重要性的归一化均值确定特征排序.最后,设定阈值,筛选出符合要求的遥感特征参数,并迭代过程.选择覆盖江苏盐城自然保护区的S...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 7; pp. 1401 - 1416
Main Authors 陈超, 梁锦涛, 杨刚, 孙伟伟, 龚绍军, 王建强
Format Journal Article
LanguageChinese
Published 浙江海洋大学海洋科学与技术学院,浙江舟山 316022%宁波大学地理与空间信息技术系,浙江宁波 315211%浙江海洋大学海洋科学与技术学院,浙江舟山 316022%浙江省水文地质工程地质大队,浙江宁波 315012 12.08.2024
苏州科技大学地理科学与测绘工程学院,江苏苏州 215009%中国地质大学(武汉)地球物理与空间信息学院,湖北武汉 430074
Subjects
特征优选
随机森林
土地覆盖分类
Gini指数
Gini index
random forest
feature recursive elimination
land cover classification
feature optimizing
递归特征消除
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2024.20230327

Cover

More Information
Summary:P237; 在显著气候变化叠加人类活动干扰的背景下,可持续的自然资源管理对于精准掌握土地覆盖信息的需求不断提升.为应对地表形态的复杂性、地物类型的多样性、遥感图像特征的非线性给传统遥感图像分类方法带来的挑战,本文基于随机森林Gini指数,提出了一种10％阈值决策的遥感特征参数优选方法,旨在筛选出最优的遥感特征参数组合,达到最佳土地覆盖分类效果.首先,选择光谱特征、纹理特征、温热特征、高程特征、主成分特征组成遥感影像堆栈.然后,设置多组决策树对特征贡献度进行交叉验证,并根据特征重要性的归一化均值确定特征排序.最后,设定阈值,筛选出符合要求的遥感特征参数,并迭代过程.选择覆盖江苏盐城自然保护区的Sentinel-2遥感图像开展试验,结果表明,本文方法筛选出的遥感特征参数代表性好,与CART、SVM、KNN和只使用波段信息的RF相比,分类结果地物边界清晰,类别属性准确,总体精度和Kappa系数分别为96.20％和0.955 6.本文研究能够为区域空间规划和可持续发展提供技术支持.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20230327