简介:以2016年8月26日Landsat-8OLI影像为数据源,针对特征变量数目可影响分类精度和运算速率问题,采用一种基于特征优选的随机森林模型,提取了黄河口滨海湿地高精度信息。首先,采用Relief(relevantfeatures)-F算法,对全部特征变量进行权重排序,剔除不相关变量;然后,分别采用基于特征优选的随机森林模型、最大似然方法和神经网络分类算法,提取黄河口滨海湿地信息,比较基于特征优选的随机森林模型与其它两种分类方法在滨海湿地信息提取应用中的精度和效率。研究结果表明,基于特征优选的随机森林模型滨海湿地分类效果最佳,总精度为86.39%,Kappa系数为0.81,明显高于最大似然和神经网络分类方法;其中,河流湿地分类精度最高,为95.83%,盐田分类精度最低,主要原因在于盐田与养殖池、水库/坑塘的光谱和几何特征极为相似,易于混淆;但与最大似然分类和神经网络分类方法相比,该方法提取效果明显改善,分类精度分别提高了16.84%和4.44%。本研究结果证明,采用Relief-F算法特征优选的随机森林模型提取滨海湿地信息的方法,具有分类精度高、运算速率快的优势,适用于滨海地区不同类型湿地高精度信息提取。
简介:选取位于大兴安岭林区的南瓮河流域作为研究区,以多时相、中等分辨率的环境卫星影像为数据源,采用面向对象方法,通过多尺度分割、特征提取、决策树建立等步骤,实现湿地信息的快速提取;系统分析了面向对象方法在森林地区湿地信息提取中的有效性。研究表明,在面向对象湿地信息提取过程中,采用不同等级的分割尺度,使分类更具层次性;利用光谱、空间、形状等多种属性特征,通过多时相遥感数据的融合,可以更好地识别复杂多样、界限模糊的湿地景观,其中,草本沼泽的生产者精度达到了91%。结果显示,南瓮河流域内,湿地类型多样,以草本沼泽和灌丛沼泽为主,且其主要分布于河流两侧和中下游宽阔的河谷地带。
简介:以三江平原为研究区,利用多时相的中分辨率成像光谱仪(ModerateResolutionImagingSpectroradiometer,MODIS)影像数据,采用一种基于归一化植被指数(NormalizedDifferenceVegetationIndex,NDVI)时间序列的监督分类方法获取了研究区湿地植被的分布数据.监督分类以NDVI时间序列的波形所反映出的植被物候特征作为分类器,将离散的傅立叶变换应用于NDVI时间序列以减少高频噪声对分类的影响,并运用傅立叶变换后波形幅度和相位的相似性来确定像素的归属类别.根据研究区植被的物候特征的差异,区分出7种地表(沼泽、沼泽化草甸、滩地、水田、旱地、灌木和林地)的植被类型,得到三江平原2005年湿地植被的分布数据.该方法的总体分类精度达到79.67%,Kappa系数为0.7525.研究表明,基于MODIS多时相NDVI数据,采用基于傅立叶组分的相似度分类方法可以客观、经济、快速的提取湿地植被分布数据.