基于机器学习的高光谱湿地植被分类研究

• 作者: 王俊海 罗宁 阮仁宗
• 来源期刊: 林业调查规划
• 学科: 农学
• 关键词: 湿地植被 机器学习 C5.0算法 高光谱影像 分类精度
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 森林经理
• 页码范围: 1-7
• 页数: 7页
• 分类号: S718.54|Q178.5|P228.4
• 字数: 4759字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3168.2019.03.001

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阮仁宗	河海大学地球科学与工程学院	39	268	10.0	14.0
2	王俊海	河海大学地球科学与工程学院	4	10	2.0	3.0
3	罗宁	河海大学地球科学与工程学院	3	5	2.0	2.0