10.3969/j.issn.1672-8785.2019.07.006
基于机器学习的深圳市坝光湿地园树种高光谱分类
高光谱遥感数据为树种的精细识别提供了可能.为探索高光谱数据在树种识别中的能力,本研究基于深圳市坝光古银叶树群落的8种主要树种叶片高光谱数据,比较了6种光谱预处理方式和2种分类方法对树种分类识别精度的影响,并基于随机森林算法对不同树种识别的特征波段进行了识别.研究结果表明,一阶导数预处理方法在分类识别中性能最好,平均分类精度为76.65％;随机森林回归方法较支持向量回归算法的性能好,模型平均分类识别精度为73.07％.从混淆矩阵可以看出,多毛茜草、银柴、阴香易错分为假萍婆,鸭脚木与银柴易错分,银叶树和细叶榕易错分.400 nm、495 nm、615～675 nm、835 nm、915～975 nm、1035～1065 nm、1085～1135 nm、1265～1275 nm、1425～1535 nm、2040 nm、2100～2270 nm、2430 nm附近的光谱数据与8个树种分类识别有密切关系.
机器学习、树种分类、高光谱、叶片
40
S718.49(林业基础科学)
广东省科技计划2017A020216022、2018B030324002;广东省科学院创新人才引进资助专项2017GDASCX-0805;广东省科学院实施驱动发展能力建设专项2018GDASCX-0403;林业科技创新平台运行补助项目2018-LYPT-DW-069
2019-10-31（万方平台首次上网日期，不代表论文的发表时间）
共6页
47-52
