發(fā)布時間：2023-02-21 19:33

　　隨著設(shè)施農(nóng)業(yè)的不斷發(fā)展,快速準(zhǔn)確獲取農(nóng)業(yè)大棚的空間分布和種植面積有助于農(nóng)業(yè)經(jīng)濟增長模式調(diào)整,實現(xiàn)農(nóng)業(yè)資源的高效利用。以2017年5月的GF-2遙感影像為數(shù)據(jù)源,在構(gòu)建最優(yōu)特征空間的基礎(chǔ)上,采用面向?qū)ο箅S機森林分類方法開展南方丘陵地區(qū)葡萄大棚信息提取。結(jié)果表明:(1)利用尺度評價工具ESP和鄰域差分絕對值與標(biāo)準(zhǔn)差比RMAS結(jié)合的方法可以實現(xiàn)特定地物目標(biāo)的最優(yōu)分割尺度選擇,分割效果良好;(2)通過Gini指數(shù)進(jìn)行特征選擇能減少數(shù)據(jù)冗余,提高分類精度,在優(yōu)選的15個特征變量中,光譜特征占有絕對優(yōu)勢,其次是紋理特征和幾何特征;(3)基于最優(yōu)特征子空間的隨機森林模型能有效提取葡萄大棚的分布信息,總體精度高達(dá)92.5%,F值為0.91,其面向?qū)ο蟮木仍u價指數(shù)GTC為0.12。結(jié)果表明,該方法對基于GF-2影像的南方丘陵區(qū)域葡萄大棚信息提取具有較大的應(yīng)用潛力,并可為其他地區(qū)的農(nóng)業(yè)大棚信息提取提供較好的解決思路。

【文章頁數(shù)】：11 頁

【文章目錄】：
1 材料與方法
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)源
    1.3 研究流程
    1.4 最優(yōu)分割尺度確定
        ①ESP尺度評價。
        ②鄰域差分絕對值與標(biāo)準(zhǔn)差比(RMAS)。
    1.5 隨機森林算法
    1.6 特征提取
    1.7 特征重要性度量
    1.8 精度評價
2 結(jié)果與分析
    2.1 地物光譜分析
    2.2 最優(yōu)分割尺度定量選擇結(jié)果
    2.3 隨機森林最優(yōu)參數(shù)選擇
    2.4 變量重要性分析
        2.4.1 特征數(shù)量對分類精度的影響
        2.4.2 特征變量作用分析
        2.4.3 優(yōu)選特征比重分析
    2.5 提取結(jié)果分析
    2.6 提取精度分析
3 討論



本文編號：3747884