基于XGBoost的高分二号影像树种识别

• 作者: 吴达胜 方陆明 蔡林菲 郑辛煜
• 来源期刊: 林业资源管理
• 学科: 农学
• 关键词: 高分二号 特征选择 XGBoost 树种分类 遥感
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 科学研究
• 页码范围: 44-51
• 页数: 8页
• 分类号: TP79|S757.2
• 字数: 4935字
• 语种: 中文
• DOI: 10.13466/j.cnki.lyzygl.2019.05.009

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方陆明	浙江农林大学信息工程学院	16	36	3.0	5.0