基于多分类器集成的GF-2作物信息精细提取研究 |
| |
引用本文: | 李金朝,买买提·沙吾提.基于多分类器集成的GF-2作物信息精细提取研究[J].西南农业学报,2023(2):435-444. |
| |
作者姓名: | 李金朝 买买提·沙吾提 |
| |
作者单位: | 1. 新疆大学地理与遥感科学学院;2. 新疆绿洲生态重点实验室;3. 智慧城市与环境建模自治区普通高校重点实验室 |
| |
基金项目: | 新疆自然科学计划(自然科学基金)联合基金项目(2021D01C055); |
| |
摘 要: | 【目的】将多种分类器的优点融合,以便提升遥感影像作物信息提取的精度。【方法】以渭库绿洲为研究区,利用国产高分2号(GF-2)数据和野外调查数据,基于提取的遥感识别特征制定不同分类方案,采用马氏距离(MsDC)、最小距离(MDC)、最大似然(MLC)、神经网络(NNC)、支持向量机(SVM)5种传统机器学习方法分别对6种特征组合方案的影像进行分类,然后选择基分类器,并应用多数投票法和保守投票法2种多分类器集成算法,对研究区农作物进行精细分类提取。【结果】(1)辅助特征的加入对于子分类器的精度提高明显。5种分类器中除了MLC,其余4种分类器都是在加入归一化植被指数特征(NDVI)和纹理特征后取得了最高精度。(2)基分类器中精度最高的是NNC-4(人工神经网络的第4种特征组合方案),OA达到83.54%,Kappa系数为0.77。(3)相比基分类器,多分类器集成方法能够在制图精度和用户精度两方面提高农作物的提取精度。并且保守投票法优于多数投票法,OA为85.89%,Kappa系数为0.80。(4)集成分类结果中除了棉花的识别精度与最优基分类器NNC-4相等,达到94.94%外,其他的农作物如...
|
关 键 词: | 作物信息精细提取 GF-2数据 特征提取 特征组合 多分类器集成 |
|
|