基于特征優(yōu)選的GF-3全極化數(shù)據(jù)積雪識別
發(fā)布時間:2021-09-15 07:33
以新疆阿爾泰山南麓克蘭河流域典型區(qū)為研究區(qū),利用GF-3全極化數(shù)據(jù)進(jìn)行積雪探測,提出了一種基于特征優(yōu)選的積雪識別方法。首先通過極化分解獲取了GF-3數(shù)據(jù)的22個極化特征,并利用隨機(jī)森林方法計算各特征的重要性,構(gòu)建特征優(yōu)選規(guī)則生成最優(yōu)特征集,然后基于最優(yōu)特征集對積雪進(jìn)行識別。分析特征的重要性發(fā)現(xiàn),同極化后向散射系數(shù)對積雪識別的貢獻(xiàn)比交叉極化的貢獻(xiàn)大,面散射和體散射對積雪識別的貢獻(xiàn)比二面角散射貢獻(xiàn)大。將該方法與最大似然法、支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)3種分類器的對比發(fā)現(xiàn),使用最優(yōu)特征集并且利用隨機(jī)森林方法的積雪識別精度最高(F指數(shù)為0.86,總體精度為0.79)。結(jié)果表明:基于特征優(yōu)選進(jìn)行積雪識別,不僅使得積雪識別效率得到提高,而且保持精度不變甚至有所增加,證明了該方法在積雪識別中的有效性。
【文章來源】:遙感技術(shù)與應(yīng)用. 2020,35(06)北大核心CSCD
【文章頁數(shù)】:11 頁
【部分圖文】:
不同下墊面類型積雪、無積雪覆蓋地表后向散射系數(shù)分布
表2為精度評價結(jié)果。隨機(jī)森林的F指數(shù)和總體精度均是最高的,達(dá)到了0.86和0.79。最大似然法的F指數(shù)和總體精度為0.83和0.75,識別效果次于隨機(jī)森林。支持向量機(jī)的準(zhǔn)確率最高,達(dá)到了0.90,但召回率僅有0.74,說明支持向量機(jī)的識別結(jié)果中虛警率低、漏檢率高,導(dǎo)致識別結(jié)果中積雪范圍有所低估。BP神經(jīng)網(wǎng)絡(luò)的識別結(jié)果最差,各指標(biāo)均比其他分類器低。從積雪的初步識別結(jié)果來看,隨機(jī)森林的識別精度最高。4.2 特征優(yōu)選
特征優(yōu)選是一個根據(jù)特定規(guī)則篩選特征的過程,包括特征的重要性評估和特征的篩選兩個步驟。首先,對參與積雪識別的22個特征進(jìn)行重要性評估,各特征的重要性在特征優(yōu)選前進(jìn)行積雪識別時產(chǎn)生,排序結(jié)果如圖5所示。HH和VV極化后向散射系數(shù)的重要性最高,分別為0.88和0.64。其次,H-A-α極化分解中第3分量的重要性為0.58,剩余特征的重要性在0.3~0.5之間。說明同極化后向散射系數(shù)對積雪識別的貢獻(xiàn)比交叉極化后向散射系數(shù)的大。面散射分量(A3、F3、Y3)和體散射分量(A2、F2、Y2)對積雪識別的貢獻(xiàn)比對應(yīng)極化分解中二面角散射分量(A1、F1、Y1)的大。進(jìn)行特征重要性評估后,根據(jù)特征的重要性大小篩選最優(yōu)特征集。隨著特征數(shù)量的增加,總體精度的變化如圖6所示。使用HH一個特征,總體精度僅為0.73;使用HH和VV兩個特征,總體精度為0.77;使用重要性最高的3個特征時,總體精度達(dá)到最高值0.79。此后,總體精度在0.76~0.79之間變化。因此確定最優(yōu)特征集為同極化后向散射系數(shù)(HH、VV)和H-A-α分解的平均散射角分量(H3)組成的集合。
【參考文獻(xiàn)】:
期刊論文
[1]基于GF-1和Sentinel-1A的漓江流域典型地物信息提取[J]. 唐廷元,付波霖,何素云,婁佩卿,閉璐. 遙感技術(shù)與應(yīng)用. 2020(02)
[2]綜合多特征的極化SAR圖像隨機(jī)森林分類算法[J]. 徐喬,張霄,余紹淮,陳啟浩,劉修國. 遙感學(xué)報. 2019(04)
[3]新疆天山瑪納斯河流域高分辨率積雪遙感研究進(jìn)展[J]. 肖鵬峰,馮學(xué)智,謝順平,都金康. 南京大學(xué)學(xué)報(自然科學(xué)). 2015(05)
[4]瑪納斯河流域山區(qū)積雪的C波段SAR圖像表征[J]. 賀廣均,馮學(xué)智,肖鵬峰,耶楠,汪左,陳妮,李敏. 南京大學(xué)學(xué)報(自然科學(xué)). 2015(05)
[5]2002-2011年新疆積雪時空分布特征研究[J]. 婁夢筠,劉志紅,婁少明,戴睿. 冰川凍土. 2013(05)
[6]國內(nèi)外雪崩災(zāi)害研究綜述[J]. 王世金,任賈文. 地理科學(xué)進(jìn)展. 2012(11)
[7]基于MODIS的祁連山區(qū)積雪時空變化特征[J]. 蔡迪花,郭鈮,王興,張小文. 冰川凍土. 2009(06)
[8]新疆阿爾泰山區(qū)克蘭河上游水文過程對氣候變暖的響應(yīng)[J]. 沈永平,王國亞,蘇宏超,韓萍,高前兆,王順德. 冰川凍土. 2007(06)
[9]塔里木河上游地區(qū)積雪長期變化趨勢及其對徑流量的影響[J]. 崔彩霞,魏榮慶,李楊. 干旱區(qū)地理. 2005(05)
[10]SAR干涉測量的相干性特征分析及積雪劃分[J]. 李震,郭華東,李新武,王長林. 遙感學(xué)報. 2002(05)
本文編號:3395666
【文章來源】:遙感技術(shù)與應(yīng)用. 2020,35(06)北大核心CSCD
【文章頁數(shù)】:11 頁
【部分圖文】:
不同下墊面類型積雪、無積雪覆蓋地表后向散射系數(shù)分布
表2為精度評價結(jié)果。隨機(jī)森林的F指數(shù)和總體精度均是最高的,達(dá)到了0.86和0.79。最大似然法的F指數(shù)和總體精度為0.83和0.75,識別效果次于隨機(jī)森林。支持向量機(jī)的準(zhǔn)確率最高,達(dá)到了0.90,但召回率僅有0.74,說明支持向量機(jī)的識別結(jié)果中虛警率低、漏檢率高,導(dǎo)致識別結(jié)果中積雪范圍有所低估。BP神經(jīng)網(wǎng)絡(luò)的識別結(jié)果最差,各指標(biāo)均比其他分類器低。從積雪的初步識別結(jié)果來看,隨機(jī)森林的識別精度最高。4.2 特征優(yōu)選
特征優(yōu)選是一個根據(jù)特定規(guī)則篩選特征的過程,包括特征的重要性評估和特征的篩選兩個步驟。首先,對參與積雪識別的22個特征進(jìn)行重要性評估,各特征的重要性在特征優(yōu)選前進(jìn)行積雪識別時產(chǎn)生,排序結(jié)果如圖5所示。HH和VV極化后向散射系數(shù)的重要性最高,分別為0.88和0.64。其次,H-A-α極化分解中第3分量的重要性為0.58,剩余特征的重要性在0.3~0.5之間。說明同極化后向散射系數(shù)對積雪識別的貢獻(xiàn)比交叉極化后向散射系數(shù)的大。面散射分量(A3、F3、Y3)和體散射分量(A2、F2、Y2)對積雪識別的貢獻(xiàn)比對應(yīng)極化分解中二面角散射分量(A1、F1、Y1)的大。進(jìn)行特征重要性評估后,根據(jù)特征的重要性大小篩選最優(yōu)特征集。隨著特征數(shù)量的增加,總體精度的變化如圖6所示。使用HH一個特征,總體精度僅為0.73;使用HH和VV兩個特征,總體精度為0.77;使用重要性最高的3個特征時,總體精度達(dá)到最高值0.79。此后,總體精度在0.76~0.79之間變化。因此確定最優(yōu)特征集為同極化后向散射系數(shù)(HH、VV)和H-A-α分解的平均散射角分量(H3)組成的集合。
【參考文獻(xiàn)】:
期刊論文
[1]基于GF-1和Sentinel-1A的漓江流域典型地物信息提取[J]. 唐廷元,付波霖,何素云,婁佩卿,閉璐. 遙感技術(shù)與應(yīng)用. 2020(02)
[2]綜合多特征的極化SAR圖像隨機(jī)森林分類算法[J]. 徐喬,張霄,余紹淮,陳啟浩,劉修國. 遙感學(xué)報. 2019(04)
[3]新疆天山瑪納斯河流域高分辨率積雪遙感研究進(jìn)展[J]. 肖鵬峰,馮學(xué)智,謝順平,都金康. 南京大學(xué)學(xué)報(自然科學(xué)). 2015(05)
[4]瑪納斯河流域山區(qū)積雪的C波段SAR圖像表征[J]. 賀廣均,馮學(xué)智,肖鵬峰,耶楠,汪左,陳妮,李敏. 南京大學(xué)學(xué)報(自然科學(xué)). 2015(05)
[5]2002-2011年新疆積雪時空分布特征研究[J]. 婁夢筠,劉志紅,婁少明,戴睿. 冰川凍土. 2013(05)
[6]國內(nèi)外雪崩災(zāi)害研究綜述[J]. 王世金,任賈文. 地理科學(xué)進(jìn)展. 2012(11)
[7]基于MODIS的祁連山區(qū)積雪時空變化特征[J]. 蔡迪花,郭鈮,王興,張小文. 冰川凍土. 2009(06)
[8]新疆阿爾泰山區(qū)克蘭河上游水文過程對氣候變暖的響應(yīng)[J]. 沈永平,王國亞,蘇宏超,韓萍,高前兆,王順德. 冰川凍土. 2007(06)
[9]塔里木河上游地區(qū)積雪長期變化趨勢及其對徑流量的影響[J]. 崔彩霞,魏榮慶,李楊. 干旱區(qū)地理. 2005(05)
[10]SAR干涉測量的相干性特征分析及積雪劃分[J]. 李震,郭華東,李新武,王長林. 遙感學(xué)報. 2002(05)
本文編號:3395666
本文鏈接:http://sikaile.net/projectlw/qxxlw/3395666.html
最近更新
教材專著