基于特征优选的GF-3全极化数据积雪识别

• 作者: 马腾耀 肖鹏峰 张学良 马威 郭金金
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 积雪识别 GF-3 极化分解 特征优选 随机森林
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 冰雪遥感专栏
• 页码范围: 1292-1302
• 页数: 11页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2020.6.1292

摘要

以新疆阿尔泰山南麓克兰河流域典型区为研究区,利用GF-3全极化数据进行积雪探测,提出了一种基于特征优选的积雪识别方法.首先通过极化分解获取了GF-3数据的22个极化特征,并利用随机森林方法计算各特征的重要性,构建特征优选规则生成最优特征集,然后基于最优特征集对积雪进行识别.分析特征的重要性发现,同极化后向散射系数对积雪识别的贡献比交叉极化的贡献大,面散射和体散射对积雪识别的贡献比二面角散射贡献大.将该方法与最大似然法、支持向量机、BP神经网络3种分类器的对比发现,使用最优特征集并且利用随机森林方法的积雪识别精度最高(F指数为0.86,总体精度为0.79).结果表明:基于特征优选进行积雪识别,不仅使得积雪识别效率得到提高,而且保持精度不变甚至有所增加,证明了该方法在积雪识别中的有效性.