基于CART决策树的自然保护区植被类型分布研究

目的针对保护区监测需求，充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势，提高保护区植被类型遥感监测的精度，为保护区管理决策提供依据。方法以甘肃省白水江国家级自然保护区为研究区，主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先，对GF-1 WFV数据进行多尺度分割，将研究区划分为诸多区域性的分割对象；然后，以分割对象为基本单元，研究光谱特征、几何特征、纹理特征不同组合情况下，基于CART决策树分类的结果；最后，利用训练样本建立基于TTA的精度检验，并基于混淆矩阵对分类结果进行分析。结果在多尺度分割过程中，形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好；当形状因子和紧致度固定时，研究区最佳分割尺度为40。精度检验结果表明，基于CART决策树的保护区植被类型分类结果整体精度均在83%以上，Kappa系数在0.80以上，优于最邻近分类法和支持向量机分类算法，其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高，总体精度为85.18%，Kappa系数为0.832 2，优于光谱特征分类、光谱特征结合几何特征分类的方法。结论基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究，可有效辅助保护区监测工作。      

基于CART决策树和BP神经网络的landsat 8影像粳稻提取方法

及时、准确地掌握水稻空间分布和种植面积信息对预测水稻产量、指导农业生产等农业活动起着重要作用。遥感技术因其快速、综合等优势,而被广泛应用于农作物识别领域。以沈阳市为研究区域,选取沈阳农业大学道南、辽中和沈北新区作为粳稻种植代表区域获取CART算法的训练样本,并结合粳稻移栽期的NDVI、EVI、LSWI数据,训练作物分割阈值,构建决策树初步提取出研究区粳稻空间分布信息。为进一步去除上述提取区域的其他地物信息,构建粳稻抽穗期和成熟期的植被指数、纹理、ISODATA非监督分类数据及其原始波谱特征的多特征数据集,利用BP神经网络对多组不同特征综合数据集进行粳稻分类提取,得到对分类精度贡献较大的特征和最佳分类数据集,并分别利用最大似然和BP神经网络分类法,结合决策树分类结果和实地样本数据,对最佳分类数据集进行分类结果对比和精度验证。结果表明:采用CART决策树和BP神经网络相结合的方法可以获得较高的分类精度,总体精度为89.1%,Kappa系数达到0.881。利用作物关键物候期中等分辨率影像,结合多时相波谱特征和植被指数,采用CART决策树和BP神经网络相结合的分类法能有效提高粳稻的分类精度,为...     

基于CART决策树的黄河源区域生态地类的遥感解译研究

为指导黄河源区域生态环境修复,以黄河源区域为研究区,采用Landsat 8影像作为数据源,以融合多种特征指数的CART树模型进行高寒湿地分类方法研究.结果表明:使用CART决策树算法进行数据挖掘处理,将得到的决策树用来分类制图,得到黄河源地区生态地类分布图,通过混淆矩阵得出分类后总精度为88.25％,Kappa系数为0...     

基于CART决策树模型的北京市春季气传花粉浓度与植被空间结构关系研究

【目的】开展气传花粉浓度与植被空间结构关系的研究,归纳总结不同花粉浓度阈值下植被空间结构,将其应用于植物群落设计及提升过程中,为北京市城市绿地设计、建造及改造提供数据支撑,对城市绿地空间环境的营造具有实际指导意义。【方法】研究应用Durham花粉采集器于2021年04月03日-04月09日对北京市内92个采样点的气传花粉浓度进行监测,通过CART决策树算法对不同花粉浓度的植被空间进行分类,最终归纳总结出高、中、低3个花粉浓度阈值所对应的植被空间结构模式图。【结果】(1)乔木盖度是区别不同植被空间花粉浓度的主要控制指标,其与花粉浓度的关系并非单一线性,而是呈现一定波动性。当0.698<乔木盖度≤0.777时,花粉浓度最小,预测值为74粒/(10³ mm²);当乔木盖度>0.777时,花粉浓度最大,预测值为285粒/(10³ mm²);当0.600<乔木盖度≤0.698时,花粉浓度预测值为207粒/(10³ _<...     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

基于机器学习的落叶松毛虫发生面积预测模型

落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。因此,及时准确地对落叶松毛虫虫害发生趋势进行预测、预报十分必要。虫害的发生受到多种因素的影响,存在复杂的非线性关系,传统的预测方法大多为基于线性的预测,导致其预测效果不够理想。本研究选取当年3月中旬的总蒸发量、上年7月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算法对落叶松毛虫发生面积进行预测,并将3种方法的预测结果与传统多元线性回归预测方法相比较。结果表明,机器学习的预测效果均在很大程度上优于多元线性回归预测,并且在3种机器学习算法中,SVM模型的预测效果最好,在30%容忍度下其预测精度可以达到100%,并且该模型还有较低的RMSE值(0.077)和较短的训练时间(1 s)。这表明,机器学习可以应用于生产实际并有效预测虫害发生面积,尤其是SVM模型可以作为一种很好的虫害发生预测手段。      

基于CART算法的茶园精准灌溉方法

针对茶园灌溉系统中灌溉时机与灌溉量难以确定的问题,以黄山太平地区猴魁茶园为研究对象,先利用CART算法对环境因子与灌溉之间的相关性进行分析,并与逻辑回归、支持向量机等预测模型进行对比,后采用Penman-Monteith公式等对灌溉量进行精确计算,再通过田间试验对本研究获得的灌溉方法进行验证。结果表明:1)地下20 cm、40 cm和地下60 cm处土壤湿度与灌溉之间的相关性最大,分别达到40.66%、12.74%、12.25%,因此,土壤湿度是判断灌溉时机最关键的环境因子;2)使用CART算法预测猴魁茶园的灌溉时机,其准确率、精确率、召回率、F1值较逻辑回归模型(Logistic Regression model)、支持向量机模型(Support vector machine model)分别提升了12%~16%、1.3%~1.4%、12%~16%、7%~9%;3)Penman-Monteith公式对灌溉量的计算结果表明,黄山太平地区猴魁茶园年灌溉量为200 ~500 mm,其中,夏梢期灌溉量最多,占全年灌溉量70%以上。田间试验结果表明该灌溉方法节水率达到30%~35%。因此,使用CART算法及Penman-Monteith公式所获取的灌溉策略对于该地区茶园精准灌溉有一定的借鉴意义。     

基于数据挖掘的决策树算法应用研究

数据挖掘是一种发现大量数据中潜在信息的数据分析方法和技术,已经成为关注的热点。决策树方法因其简单、直观、准确率高等特点,在数据挖掘及数据分析中得到了广泛的应用。本文使用数据挖掘的C4.5算法对UCI数据库中的蘑菇数据构建决策树模型,给出了蘑菇可食用或有毒的决策。     

基于决策树的农业气象灾害等级预测模型

在讨论数据挖掘技术的基本概念、决策树方法的基础上,结合牡丹江地区部分县区风雹灾害数据样本,采用决策树C4.5分类算法,建立了农业气象灾害等级决策树预测模型。通过该预测模型可预测各地直接经济损失程度,为该领域的数据挖掘提供了合理的挖掘模式,并得出了有效的分析结论。     

基于决策树算法的蔬菜农药残留 的数据挖掘与分析

蔬菜是人们日常消费的必需品,影响蔬菜质量安全的一个重要因素就是农药残留问题。利用决策树算 法的数据挖掘技术,对蔬菜的检测信息进行挖掘,得到品种为韭菜、黄瓜的农药残留高;新桥市场、烟大市场和大世 界市场的蔬菜农药残留水平较低;而7~9 月的蔬菜农药残留高。结果具有一定的可信度,为蔬菜消费者和安全监管 者提供一定的决策依据。     

基于Logistic算法与遥感影像的棉花虫害监测研究

【目的】借助多光谱遥感影像和Logistic算法,实现对棉田虫害的田间监测。【方法】以患虫害棉花区域为研究对象,利用无人机获取棉田多光谱遥感影像,并对影像进行预处理;结合受虫害棉花光谱特征,利用虫害敏感波段反射率与植被指数构建Logistic回归模型,开展棉花虫害识别监测研究。【结果】由土壤调节植被指数(Soil adjusted vegetation index,SAVI)模型和归一化植被指数(Normalized vegetation index,NDVI)模型构建的棉蚜虫、棉红蜘蛛、棉铃虫识别模型为最优模型,其训练样本准确率达到93.7%,测试样本准确率达到90.5%,召回率为96.6%,F1值为93.5%,对棉蚜虫、棉红蜘蛛和棉铃虫的识别模型决定系数分别为0.942、0.851和0.663。【结论】该模型可满足棉田中棉蚜虫、棉红蜘蛛和棉铃虫3种虫害的发生区域识别,且可基本满足棉田精准植保作业相关要求。     

基于指数的决策树土地利用分类算法研究

以湖北省松滋市部分区域为研究对象,基于2011年Landsat 5TM、2017年Landsat-8遥感影像和ASTGTM2的DEM数字高程数据,深入探讨研究区两种影像数据的多特征提取,设计基于指数的土地分类试验。结果表明,EBSI、MNDWI、MSAVI、MNDBI等遥感指数的分类精度较高;依据上述遥感指数和DEM特征,生成决策树规则,构建决策树分类模型,得到研究区的土地利用分类结果,决策树分类精度明显高于SVM法和最大似然法,Landsat-8影像分类精度高于Landsat 5TM;2011—2017年部分裸土得到了利用,主要转化为居民用地和生态用地。     

一种用于农产品供应链风险预测评估的贝叶斯决策树算法模型

农产品供应链稳定对保障市场供应、稳定需求、扩大居民消费需求具有重要意义.新兴技术的应用可以提高农产品供应链的价值,降低传统供应链的风险.因此,本文在机器学习算法的基础上,将贝叶斯算法融入决策树模型,建立了一种用于农产品供应链风险评估预测的模型.首先,基于贝叶斯算法设计了用于风险划分的决策树模型.然后,使用随机变量的权重构建决策树模型用于风险预测评估.最后,将决策树模型应用于农产品供应链(APSC),提出了APSC管理框架,帮助决策者进行评估分析,以降低农产品供应链风险.实验结果表明,对比模型预测风险的性能达到90%左右,而本文提出的模型可以达到95%左右,证明其具有较高的预测准确性.敏感性分析证实,该模型对市场变化具有较高的灵敏度,可以帮助决策者更好地评估农产品供应链风险并及时调整供应链机制.     

信息技术在水稻虫害预测中的应用现状与分析

虫害是影响水稻产量的重要因素。随着现代农业发展,将信息技术用于预测水稻虫害,可及时准确地预测水稻虫害的发生趋势,对制订害虫防治策略、减少害虫造成的损失具有重要意义。为了给信息技术在水稻虫害预测中的发展提供参考与建议,综述传感器技术、大数据分析技术、人工智能技术和无人机技术等在水稻虫害预测中的发展现状,并分析信息技术在水稻虫害预测中面临的挑战与问题。     

基于决策树模型的农户产权抵押贷款分类的实证研究

基于西部农户产权抵押贷款试点地区所获得调研数据,以农户贷款意愿为目标,农户户主特征、家庭特征等8个因素为自变量,建立决策树分类模型,以为农村金融机构提供有价值的农户分类规则。结果表明:农户家庭人口、土地面积、户主受教育程度等7个因素的不同水平取值可以组成10个不同属性的分类规则,并且分类模型能获得较佳的准确性及精确性,模型具有较佳的预测能力。模型结果对农村金融机构制定相关金融支持政策起到积极的作用。     

基于决策树算法的农业上市公司股利分配政策研究

股利分配政策是上市公司对盈利进行分配或留存的决策问题。在大数据时代运用徽软商业智能中的决策树算法,可以对农业上市公司的相关财务数据进行深入挖掘。通过决策树规则进行分析,找出农业上市公司股利分配采购影响因素,为农业上市公司制定现金股利分配股利分配政策提供决策依据,也为商业智能工具在企业决策中的运用提供借鉴。     

一种基于影响度的可伸缩的决策树算法

目的 针对ID3算法计算复杂度高这一问题,改进决策树生成算法DTA（Decision Tree Algorithm）。方法 提出了用影响度作为属性选择的标准,为了使算法具有良好的可伸缩性,引入了基于类别的属性表的新的数据结构。结果 表明算法能生成正确的决策树,并且计算复杂度明显优于传统算法。结论 可以在计算机硬件配置较低、资源消耗较少的条件下来快速生成正确的决策树,得到相应的决策规则。     

基于机器学习的焦油预测模型研究

为研究卷烟焦油预测模型,以焦油的释放量为研究对象,运用不同的回归方法进行焦油预测研究,以各个模型的标准化均方误差为评判尺度,对各个模型的预测效果进行了比较.结果表明,各模型的预测精度差别较大,整体来看机器学习方法对于焦油的预测精度较高,其中以随机森林算法回归对于焦油的预测精度最高,表现出较高的预测精度和良好的稳定性,其次表现较好的机器学习算法为支持向量机回归方法.因此,在焦油预测应用或研究中可以运用随机森林或其他机器学习方法对焦油进行建模预测.