遥感技术与应用2023，Vol.38Issue(5) ：1126-1135.DOI:10.11873/j.issn.1004-0323.2023.5.1126

基于孤立森林的水体异常快速发现与识别

Rapid Detection and Identification of Water Anomalies based on Isolated Forest

朱秀芳 李原 郭锐
遥感技术与应用2023，Vol.38Issue(5) ：1126-1135.DOI:10.11873/j.issn.1004-0323.2023.5.1126
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于孤立森林的水体异常快速发现与识别

Rapid Detection and Identification of Water Anomalies based on Isolated Forest

朱秀芳 1李原 2郭锐1
扫码查看

作者信息

  • 1. 北京师范大学遥感科学国家重点实验室,北京 100875;北京师范大学地理科学学部遥感科学与工程研究院,北京 100875
  • 2. 内蒙古大学生态与环境学院,内蒙古呼和浩特 010021;内蒙古自治区河流与湖泊生态重点实验室,内蒙古呼和浩特 010021
  • 折叠

摘要

现有异常水体的检测研究通常针对特定区域、特定数据源和特定时相开展,且往往是事后的检测而非实时的监测,不能很好地服务于水体异常快速发现与识别的业务需求.为此,提出了一种基于无监督的孤立森林加决策规则(U-IForest-SD)的水体异常信息提取方法,并以Landsat与Sentinel的数据作为测试数据,以青岛浒苔、松雅湖黑臭水、墨西哥湾溢油为案例,对比了支持向量机、监督孤立森林以及U-IForest-SD 3种方法识别浒苔、黑臭水和溢油的精度.研究结果显示:该方法对于3种异常类型的总体识别精度都在90％以上、Kppa系数都在0.8以上,整体精度高于监督孤立森林但略低于SVM.该算法只需要输入单期影像,无需训练样本,具有可移植性好、普适性强、自动化程度高的优点.此外,该方法可以有效地避免"假警"和"虚警"的发生,在异常水体的快速发现和识别业务中有很好的应用前景.

关键词

异常检测/溢油/黑臭水/浒苔

Key words

Anomaly detection/Oil spill/Black smelly water/Enteromorpha

引用本文复制引用

基金项目

国家自然科学基金重大项目(41292583)

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
参考文献量13
段落导航相关论文