GF-6影像应用于林地与非林地识别的潜力分析

发布时间：2024-05-13 03:18

　　为研究我国首颗携带红边波段的高分六影像(GF-6)在林地与非林地上的识别贡献,本文选择复杂林地类型的安徽省黄山市作为研究区,采用特征优选(RFE)与随机森林(RF)相结合的方法开展了林地与非林地识别潜力研究。首先根据实地调查、Google Earth影像及林地"一张图"样本数据构建了样本库;然后基于DEM、多时相光谱特征、植被指数、红边指数等特征开展分类,并比较不同模型精度及不同变量的重要度。结果表明:GF-6红边信息对林地非林地识别较为重要,引入红边信息可将总体分类精度提升2%,其他新增波段及地形特征对林地与非林地识别贡献并不明显;多时相数据的运用相比单时相数据可整体提高林地类型的分类精度2.93%～4.1%,单时相分类结果 6月最好,9月次之,12月最差;特征优选可以有效减少数据输入维数(46到15),并取得最高分类精度,在不牺牲精度的同时保证了运算数据量的减少且明确了不同变量的贡献,具有较强的应用意义。

【文章页数】：9 页

【文章目录】：
1 研究区域与数据
    1.1 研究区域概况
    1.2 数据及预处理
        1.2.1 遥感数据
        1.2.2 GF-6影像预处理
        1.2.3 样本与验证数据
2 研究方法
    2.1 特征集构建
    2.2 随机森林分类
    2.3 分类方案设计
    2.4 精度评价
3 结果与讨论
    3.1 随机森林分类最优参数确定
    3.2 非特征优选分类结果分析
    3.3 特征优选分类结果
        3.3.1 特征选择
        3.3.2 分类结果
        3.3.3 特征重要度分析
4 结论与展望



本文编号：3972298