基于机器学习与高光谱数据的湿地植被物种识别研究

• 作者: 王俊海 罗宁 阮仁宗
• 来源期刊: 中国农学通报
• 学科: 地球科学
• 关键词: 大数据集 机器学习 决策树模型 算法 高光谱数据 光谱特征 物种识别
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 农业信息·科技教育
• 页码范围: 157-164
• 页数: 8页
• 分类号: P237
• 语种: 中文

摘要

为了探索利用高光谱高空间分辨率遥感数据进行湿地植被物种识别,笔者在分析6种湿地植被原反射光谱、二阶微分及连续统去除光谱的基础上,利用马氏距离法和相关系数法提取特征波段,并将其作为特征参数参与C5.0决策树分类与信息提取.结果 显示:(1)基于机器学习的C5.0决策树法总体分类精度为79.87％,Kappa系数为0.765,与监督分类最大似然法相比,植被信息提取总体精度提高9.95％,Kappa系数提高0.114;(2)机器学习C5.0决策树法与最大似然法相比,其独特的优势在于对藻类的信息提取精度大大提升,狐尾藻和水蕴草的用户精度提升最大,分别提升了18.67％和15.86％.该方法能够实现湿地植被物种信息的高精度提取,为同类研究提供借鉴,为湿地生态健康评价提供科学与技术上的支持.

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