基于机器学习的深圳市坝光湿地园树种高光谱分类
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

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

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

红外

1672-8785

31-1304/TN

40

2019,40(7)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn