结合多特征的随机森林城市区植被分类方法研究.pdf
《结合多特征的随机森林城市区植被分类方法研究.pdf》由会员分享,可在线阅读,更多相关《结合多特征的随机森林城市区植被分类方法研究.pdf(5页珍藏版)》请在咨信网上搜索。
1、浙江测绘 2023 年第 3 期学术研究ZHEJIANGCEHUI摘要院 本文基于 GF6-WFV 影像袁提取光谱尧常用植被指数以及红边植被指数袁构建多特征组合的随机森林模型袁对城市区植被等五种典型地物分类提取进行研究遥 结果表明院多特征组合提取植被时袁光谱波段结合常用植被指数以及红边植被指数的提取精度最高袁总体精度 87.3%尧kappa 系数 0.7386遥 红边植被指数相较于常用植被指数的信息提取中袁该指数的相对精度最高遥关键词院 多特征曰随机森林曰城市植被曰红边植被指数结合多特征的随机森林城市区植被分类方法研究周琦袁张春朋袁李睿鑫袁梁晨渊宁波冶金勘察设计研究股份有限公司袁宁波31500
2、0冤1 引言植被作为反映区域性生态环境质量的指标之一1袁在城市生态系统中具有重要的地位遥 在调节城市热环境尧改善城市景观质量中起着至关重要的作用2遥 而随着社会和经济建设的发展袁在城市建设快速发展袁 城市自然绿地被破坏严重袁不透水面面积逐渐增多袁导致城市热岛效应急剧增加袁从而对城市居民生活环境造成一定的不利影响遥 随着遥感技术的发展袁获取城市植被分布状态袁利用遥感分析城市区地物变得快捷高效遥目前对地物分类的研究中袁主要对信息提取使用的遥感影像尧参与提取的特征集合以及分类提取的方法进行研究遥 张娜3等采用Landsat8影像袁 构建基于植被指数的特征集合的决策树模型袁 对山蒿植被进行提取实验并取
3、得较好的结果遥 张晓同4等基于无人机影像数据袁分析16种植被指数特征适用性以及城市地物对植被信息提取的影响袁获得了能较好提取结果的植被指数特征遥 苏龙飞5等提出了一种面向对象结合多特征信息的无人机影像提取城市植被方法袁结果表明该方法能有效区分植被与水体和阴影袁并获得较高提取精度遥 赵琳琳6等为研究不同数据集在遥感植被提取中的差异袁 对比GF1-WFV影像与Landsat8影像在植被信息提取中的应用效果袁结果表明高分辨率影像在该研究中具有相对较好的应用价值遥 在对植被信息提取研究的过程中袁单特征的使用相比于多特征的使用效果欠佳遥 李明洁7等结合光谱尧光谱指数以及影像纹理等多种特征信息袁构建多特征
4、随机森林模型对深圳土地利用信息进行提取袁结果表明该方法具有更高的分类精度遥 王晓洋8等基于GF1-PMS影像袁提取光谱尧纹理尧植被指数尧地形等特征构建多特征组合袁研究落叶松最佳提取特征组合袁结果表明多特征能够有效提高提取精度遥本文采用GF6-WFV多光谱影像袁提取光谱尧常用植被指数以及基于该数据的红边波段指数袁构建多特征组合的随机森林算法模型袁研究多特征集合以及红边波段指数在城市地物分类提取中的应用遥2 研究区与方法2.1 研究区与数据本文选择河南省会城市郑州市下辖惠济区作为研究区袁 该研究区位于主要城市区域北部袁黄河以北袁南接中原区与金水区袁南北宽15km遥西邻荥阳市袁东西长37km袁总面积
5、约232.8km2遥地区地形按照西高东低的分布趋势袁将京广铁路以西构成低山丘陵区袁以东为堆积平原遥 根据北温半干旱湿润季风型大陆性气候袁该地区季节性分明袁年气温变幅较大遥 因降水量呈由南往北逐步递减的趋势袁 以及结合该地区土地可利用价值袁使得该地区地物分布特征明显袁耕地分布面9窑窑浙江测绘 2023 年第 3 期学术研究ZHEJIANGCEHUI积广阔袁具有较高的研究价值遥 研究区地理位置图如图1所示遥本文研究主要使用GF-6WFV数据袁 由中国资源卫星应用中心提供数据袁该数据属于多光谱中分辨率数据袁 波段及空间分辨率信息袁 如表1所示遥 样本信息借助18级0.6m分辨率高德影像进行采集袁 影
6、像下载借助晟兴地球SXEarth软件进行下载遥 因下载数据不属于可直接利用产品袁无法直接应用于实验研究遥 因此袁 实验中利用ENVI软件对GF-6数据进行辐射定标尧 大气校正尧正射校正等预处理工作袁为后续实验提供可利用数据遥2.2 研究方法采用GF-6WFV多光谱影像是为了充分利用该影像所包含的多光谱波段信息及其包含特殊信息的红边波段袁 并构建该信息下的植被指数袁为植被提取构建有利条件遥 因此本文采用特征主要包括原始光谱波段特征以及光谱波段的植被指数特征遥归一化植被指数渊Normalized Vegetation In-dex袁NDVI冤 作为植被识别中广泛使用的指数之一袁作为地表植被提取和分
7、类的重要参数特征之一遥 增强型植被指数 渊Enhanced Vegetation In-dex袁EVI冤 是一种为改善NDVI受土壤及大气影响袁提高对植被的识别精度而被提出的改进型植被指数9袁在植被识别与监测中得到了广泛的应用遥 在植被稀疏分布区域袁土壤背景对NDVI的影响较大袁为调节土壤对植被提取的影响袁引入土壤调节植被指数10渊Soil-Adjusted VegetationIndex袁SAVI冤袁 为进一步提高植被提取精度提供有效帮助遥 考虑研究区山地阴影对植被提取的影响袁 从而使用阴影植被指数11-12渊Shaded vegeta-tion index袁SVI冤 达到提高植被提取精度的
8、目的遥为充分利用实验数据的价值袁探索国产GF6数据特有的红边波段在植被提取中的价值遥 本文增加红边植被指数13袁进一步构建基于GF6影像的红边波段指数NDVIred1尧NDVIred2袁 并构建多特征组合地物识别提取方法袁探讨不同特征在植被提取中的效果遥 植被指数计算公式袁NDVIB4B3B4B3渊1冤EVI2.5B4B3渊B46B37.5B1冤1渊2冤SAVIB4B3B4B3L 渊1L冤渊3冤SVI渊B4B3冤B4B4B3渊4冤NDVIred1B4B5B4B5渊5冤NDVIred2B4B6B4B6渊6冤图 1 研究区位置B1Blue0.45要0.52B2Green0.52要0.59B3Red
9、0.63要0.69B4NIR0.77要0.89B5Red Edge0.45要0.52B6Red Edge0.52要0.59B7Purple0.63要0.69B8Yellow0.77要0.89表 1 GF-6 影像信息影像波段波段介绍波长 滋mGF-6WFV10窑窑浙江测绘 2023 年第 3 期学术研究ZHEJIANGCEHUI其中院Bi为表1中对应的波段编号遥随机森林算法是一种由单个决策树集成袁综合各决策树训练结果并通过投票方式获得最佳分类结果的机器学习算法14-15遥 单棵决策树在处理较为简单的分类问题时能够取得较高的精度袁但是当数据逐渐复杂袁该方法处理结果一般存在过拟合现象遥 而该算法通
10、过随机抽样的方式袁根据抽取的训练样本构建对应决策树袁然后将不同决策树取得的结果采用投票的方法获取最佳分类结果作为最终算法结果袁 基本思路如图2所示遥随机森林算法中涉及两个参数的设置院一是决策树的树量袁二是随机特征变量遥 不同参数阈值的设定与最终分类结果存在一定的线性关系袁决策树的树量在逐渐递增的过程中袁分类精度会呈现先增高再降低的变化趋势遥 随机特征变量则为所使用影像特征数量的平方根遥 而在实际实验中需要进行重复实验袁从而更加准确的获取有利于提高精度的参数阈值遥 在本文经过多次实验可知袁将决策树量的树量设100时袁已达到试验的精度需求遥3 实验与分析3.1 多特征组合的分类结果对比结合土地利用
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 结合 特征 随机 森林 城市 植被 分类 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。