文献类型：期刊文章

作　　者：姜玉峰[1,2] 齐建国[1] 陈博伟[2] 闫敏[2] 黄龙吉[3] 张丽[2]

Jiang Yufeng;Qi Jianguo;Chen Bowei;Yan Min;Huang Longji;Zhang Li(Department of Surveying and Mapping,School of Information Science and Engineering,Shandong Agricultural University,Tai'an 271018,China;Key Laboratory of Digital Earth Science,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100094,China;Hai Nan Dong Zhai Gang National Nature Reserve Authority,Haikou 571129,China)

机构地区：[1]山东农业大学信息科学与工程学院测绘系,山东泰安271018 [2]中国科学院空天信息创新研究院,数字地球重点实验室,北京100090 [3]海南东寨港国家级自然保护区管理局,海南海口571129

出　　处：《遥感技术与应用》

基　　金：中国科学院战略性先导科技专项(A类)(XDA13020506);国家自然科学基金项目(41771392)资助。

年　　份：2021

卷　　号：36

期　　号：6

起止页码：1416-1424

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：利用海南省文昌市清澜港红树林保护区的无人机高光谱影像,采用递归特征消除的随机森林算法(Recursive Feature Elimination-Random Forest,RFE-RF)优选植被光谱特征和纹理特征,通过机器学习中的随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)算法对研究区内的红树林树种进行精细分类,并对比分析和评价分类模型参数设置对总体精度的影响。结果表明:RF分类方法的总体精度为92.70%、Kappa系数为0.91,与传统的SVM分类方法相比,RF算法均提高了5类树种的生产者精度和使用者精度,能够有效地对红树林树种进行精细分类,可为种植资源规划和生态环境保护等方面提供技术支持。

关 键 词：机器学习  随机森林  高光谱  特征提取 精细分类  

分 类 号：P23] TP79[测绘类]