基于面向对象的干旱半干旱地区植被分类
为了提高干旱半干旱地区不同植被的分类精度,以多尺度分割后的Sentinel-2A影像为主要数据源.通过融合主成分变换分析、植被指数以及影像纹理特征等,对比分析了CART决策树、C4.5决策树、KNN、SVM 4种分类模型在干旱半干旱地区面向对象的分类精度.结果 表明:面向对象分类的最佳分割尺度为58、81和102,即在102尺度下分离出植被和非植被后,分别在58、81尺度下提取不同植被的特征信息.由分类精度可知,基于决策树的分类精度高于KNN、SVM算法,各模型的分类精度均达到89%以上,其中CART决策树分类总体精度最高达到91.28%,Kappa系数0.91,验证了基于中分辨率单时相遥感影像进行复杂下垫面植被识别的可行性.
面向对象、植被分类、ESP、波段融合、纹理特征、MRS、干旱半干旱地区
37
国家自然科学基金重点国际合作研究;青年项目;内蒙古自然科学基金重大项目;博士项目;教育部创新团队发展计划;科技部重点领域科技创新团队;内蒙古农业大学高层次人才科研启动金项目;内蒙古自治区草原英才产业创新创业人才团队、内蒙古农业大学寒旱区水资源利用创新团队
2020-11-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
1026-1034