首页|融合随机森林模型和6种水体指数的上海市水体信息提取

融合随机森林模型和6种水体指数的上海市水体信息提取

Water information extraction in Shanghai by integrating random forest model and six water indices

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为快速、准确地掌握水体分布信息,本文以上海市为研究区,基于多时相Sentinel-2卫星数据构建水体提取特征集,并采用效率高、稳健性好的随机森林模型,对研究区内的水体进行提取.水体提取特征集在现有光谱波段特征的基础上加入6种水体指数,分别为NDWI、MNDWI、AWEIsh、WI2015、SWI和RWI,旨在提高水体提取精度.针对10个光谱波段特征及6种水体指数,设计了8种试验方案探究加入水体指数对于水体提取的作用.结果表明,将6种水体指数全部加入的方案精度最高,为97.910％;NDWI和RWI能提高水体提取精度、降低漏提率和误提率.

崔青林、汪鸣泉、黄永健

展开 >

中国科学院上海高等研究院上海碳数据与碳评估中心,上海201210

中国科学院大学,北京100049

中国科学院低碳转化科学与工程重点实验室,上海201210

水体信息提取 随机森林 Sentinel-2 水体指数 上海市

上海市科技创新行动计划社会发展科技攻关项目国家自然科学基金

20dz120430251778601

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(2)
  • 1
  • 10