基于非参数分类算法和多源遥感数据的单木树种分类

• 作者: 张大力 甄贞 赵颖慧
• 来源期刊: 南京林业大学学报（自然科学版）
• 学科: 农学
• 关键词: 激光雷达 单木分割 随机森林 特征筛选 支持向量机
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 103-112
• 页数: 10页
• 分类号: S771|TP751.1
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2006.201810041

摘要

[目的]通过研究随机森林(random forest,RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度.[方法]以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ran-ging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine,SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy,OA)、用户精度(user's accuracy,UA)和生产者精度(producer's accura-cy,PA)对分类结果进行对比与精度评价.[结果]经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47％,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07％.[结论]随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵颖慧	东北林业大学林学院	24	306	10.0	17.0
2	甄贞	东北林业大学林学院	17	139	7.0	11.0
3	张大力	东北林业大学林学院	1	1	1.0	1.0