数据资源: 中文期刊论文

基于机器学习的高光谱湿地植被分类研究



编号 zgly0001670945

文献类型 期刊论文

文献题名 基于机器学习的高光谱湿地植被分类研究

作者 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 

母体文献 林业调查规划 

年卷期 2019年03期

年份 2019 

分类号 Q948  TP181  TP751 

关键词 湿地植被  机器学习  C5.0算法  高光谱影像  分类精度 

文摘内容 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。

相关图谱

扫描二维码