基于阈值优化模糊投票法的农业旱情等级遥感评估

旱灾频繁发生给农业造成严重损失,将旱情监测视作异常信息识别过程,利用多分类器融合方法探讨集成多源遥感空间数据的高精度农业旱情等级评估模型。首先对各类旱情关联因子进行相关性分析,选择最优模型输入参数;然后利用3种单分类器(神经网络、支持向量机以及分类回归树)对多源遥感数据进行分析,构建阈值优化模糊投票法(threshold-optimized fuzzy majority voting,TFMV)对单分类器旱情等级评估结果进行决策级融合。结果表明:TFMV方法总体分类精度为72.55%,分别比神经网络、支持向量机、分类回归树高出约3.6、5.1和3.6个百分点;与经典投票法相比,TFMV方法分类精度也提高了约2.5个百分点。TFMV方法能有效提高单分类器旱情评估精度,多数情况下能较准确反映研究区干旱受灾区域以及旱情程度,具有应用于实际区域旱情等级评估业务的潜力。