遥感技术与应用2023，Vol.38Issue(1) ：163-172.DOI:10.11873/j.issn.1004-0323.2023.1.0163

中国南方典型湿润山区植被类型的无人机多光谱遥感机器学习分类研究

Study on Machine Learning Methods for Vegetation Classification in Typical Humid Mountainous Areas of South China based on the UAV Multispectral Remote Sensing

张妮娜 张珂 李运平 李曦 刘涛
遥感技术与应用2023，Vol.38Issue(1) ：163-172.DOI:10.11873/j.issn.1004-0323.2023.1.0163
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

中国南方典型湿润山区植被类型的无人机多光谱遥感机器学习分类研究

Study on Machine Learning Methods for Vegetation Classification in Typical Humid Mountainous Areas of South China based on the UAV Multispectral Remote Sensing

张妮娜 1张珂 2李运平 1李曦 1刘涛3
扫码查看

作者信息

  • 1. 河海大学水文水资源与水利工程科学国家重点实验室,江苏 南京 210098;河海大学水文水资源学院,江苏 南京 210098
  • 2. 河海大学水文水资源与水利工程科学国家重点实验室,江苏 南京 210098;河海大学水文水资源学院,江苏 南京 210098;长江保护与绿色发展研究院,江苏 南京 210098;中国气象局-河海大学水文气象研究联合实验室,江苏 南京 210098;水利部水利大数据重点实验室,江苏 南京 210098
  • 3. 河海大学水文水资源学院,江苏 南京 210098;河海大学水文水资源与水利工程科学国家重点实验室,江苏 南京 210098
  • 折叠

摘要

为探究不同机器学习模型在我国南方典型湿润山区的植被类型分类效果,基于无人机遥感影像、实地观测数据、数字高程模型建立遥感特征,选用决策树、随机森林、支持向量机和AdaBoost模型在安徽屯溪流域构建植被类型遥感分类模型;选择总体精度、Kappa系数、均方误差、用户精度和生产者精度等评价指标,分析对比4种机器学习模型在典型小流域的适用性.结果表明:对于林地类型,AdaBoost模型分类精度最高,表明AdaBoost模型在林地分类中有明显的优势;对于非林地类型,模型之间精度差异较大,随机森林模型精度最高;整体而言,4种模型在南方典型湿润山区典型小流域均可获得较好的分类效果,其中AdaBoost模型总体精度为95.55％、Kappa系数为0.9419,均为最高,支持向量机模型表现均最低.地形因子、纹理特征等辅助特征为分类过程提供了重要信息,有助于提高分类精度.

关键词

无人机遥感/植被分类/机器学习/决策树/随机森林/支持向量机/AdaBoost

引用本文复制引用

基金项目

国家自然科学基金(51879067)

江苏省杰出青年基金(BK20180022)

江苏省"六大人才高峰"高层次人才项目(NY-004)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
被引量6
参考文献量14
段落导航相关论文