基于XGBoost的高分二号影像树种识别

编号 zgly0001685277

文献类型 期刊论文

文献题名 基于XGBoost的高分二号影像树种识别

作者 蔡林菲  吴达胜  方陆明  郑辛煜 

作者单位 浙江省林业智能监测与信息技术研究重点实验室  浙江农林大学信息工程学院  林业感知技术与智能装备国家林业和草原局重点实验室 

母体文献 林业资源管理 

年卷期 2019年05期

年份 2019 

分类号 S757.22  TP751 

关键词 高分二号  特征选择  XGBoost  树种分类  遥感 

文摘内容 树种分布是森林资源监测的一个重要指标,也是遥感影像在森林资源监测应用中的难点之一。基于国产高分二号卫星影像数据、森林资源二类调查数据、DEM数据,结合光谱、纹理、指数及地形因子等多种特征,比较支持向量机、随机森林和XGBoost等3种分类算法,根据分类精度选择最优算法(即XGBoost)进行特征筛选,对龙泉市的阔叶树、马尾松、杉木和毛竹等4种主要优势树种进行分类。结果表明:采用XGBoost分类模型的分类总精度为83.88%,Kappa系数0.78,较支持向量机和随机森林分类方法有明显提高。经特征选择后,虽未明显提高树种分类精度,但可以减少特征的冗余,为小样本数据下特征的选取降维提供了一定的参考。