本文關(guān)鍵詞：基于MESMA和RF的山丘區(qū)土地利用信息分類(lèi)提取　出處：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年07期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 土地利用分類(lèi) 中等空間分辨率 多端元混合像元分解 隨機(jī)森林 山丘區(qū)

【摘要】：探討了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和隨機(jī)森林(Random forest,RF)相結(jié)合的土地利用信息分類(lèi)提取方法。以L(fǎng)andsat-8 OLI衛(wèi)星遙感影像為主要數(shù)據(jù),基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA將影像分解為植被、不透水面和裸土3類(lèi)組分,將生成的3類(lèi)組分變量和基于光譜、紋理信息計(jì)算選取的20個(gè)特征變量組合后開(kāi)展RF分類(lèi)實(shí)驗(yàn),將分類(lèi)結(jié)果與相同特征變量下的支持向量機(jī)(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分類(lèi)結(jié)果進(jìn)行比較分析。結(jié)果表明:MESMA可以獲得較為精確的組分豐度信息;RF分類(lèi)結(jié)果優(yōu)于相同特征變量下的SVM和MLC分類(lèi)結(jié)果;在MESMA生成的組分信息變量參與分類(lèi)后,3種方法的分類(lèi)精度均有所改善,分別達(dá)90.50%、88.85%、86.35%,其中RF的分類(lèi)精度改善最為顯著;MESMA與線(xiàn)性混合分解(Linear spectral mixture analysis,LSMA)生成的組分信息變量相比,前者對(duì)于改善分類(lèi)精度效果更為明顯。MESMA對(duì)于提高影像分類(lèi)精度起到一定積極作用,基于MESMA和RF的方法對(duì)中等空間分辨率影像山丘區(qū)土地利用信息分類(lèi)提取精度較高,利用該方法開(kāi)展遙感影像解譯可為大尺度的土地利用監(jiān)測(cè)和管理工作提供技術(shù)支持和理論參考。
[Abstract]:To investigate the decomposition of mixed pixels based on multi element (Multiple endmember spectral mixture analysis, MESMA) and random forest (Random forest, RF) of land use classification information extraction method combining with Landsat-8. OLI satellite remote sensing data, vegetation impervious surface - based on bare soil (Vegetation-impervious surface-soil, VIS) model, using MESMA image is decomposed into vegetation, impervious surface and bare soil of 3 kinds of components, will generate 3 group variables and based on spectral classification experiment to carry out RF, select the calculation of texture information of 20 variables combined with the classification results of support vector machine with the same characteristic variables (Support vector machine, SVM the maximum likelihood (Maximum), likelihood classification, MLC) classification results were compared and analyzed. The results show that MESMA can obtain more accurate component abundance information; RF classification results are better than the same Characteristic variables under the SVM and MLC classification results; information of variables involved in classification in MESMA generation group, the classification accuracy of the 3 methods were improved, up to 90.50%, 86.35%, 88.85% respectively, which improve the classification accuracy of RF was most significant; MESMA and linear mixture (Linear spectral mixture analysis, LSMA) generation the components of information variables to improve the classification accuracy compared to the former effect is more obvious to.MESMA certain positive role to improve the image classification accuracy, and the method of MESMA based on RF images of medium spatial resolution land use classification information extraction in hilly areas with higher precision, using the method of remote sensing image interpretation can provide technical support and theory the reference for large scale land use monitoring and management.

【作者單位】： 中國(guó)地質(zhì)大學(xué)(北京)土地科學(xué)技術(shù)學(xué)院;國(guó)土資源部土地整治中心;
【基金】：國(guó)土資源部公益性行業(yè)科研專(zhuān)項(xiàng)(201511010-02)
【分類(lèi)號(hào)】：F301.2;TP751
【正文快照】： 引言準(zhǔn)確掌握國(guó)家土地資源利用信息是國(guó)家相關(guān)部門(mén)調(diào)整土地利用結(jié)構(gòu)、合理開(kāi)發(fā)土地資源、動(dòng)態(tài)監(jiān)測(cè)土地利用狀況等工作的基礎(chǔ)[1]。土地資源與遙感數(shù)據(jù)在時(shí)空特性方面具有高度一致性,對(duì)土地資源的研究成為遙感技術(shù)應(yīng)用的主要領(lǐng)域之一。過(guò)去數(shù)十年,國(guó)內(nèi)外開(kāi)展了大量研究,促使了遙

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王麗婷;丁曉青;方馳;;基于隨機(jī)森林的人臉關(guān)鍵點(diǎn)精確定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

2 康有;陳元芳;顧圣華;姚欣明;黃琴;湯艷平;;基于隨機(jī)森林的區(qū)域水資源可持續(xù)利用評(píng)價(jià)[J];水電能源科學(xué);2014年03期

3 邱一卉;林成德;;基于隨機(jī)森林方法的異常樣本檢測(cè)方法[J];福建工程學(xué)院學(xué)報(bào);2007年04期

4 馬昕;王雪;楊洋;;基于隨機(jī)森林算法的大學(xué)生異動(dòng)情況的預(yù)測(cè)[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

5 劉美菊;劉冬;劉劍;;隨機(jī)森林在群控電梯交通模式識(shí)別中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2013年04期

6 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

7 張曄;楊國(guó)田;;基于隨機(jī)森林的數(shù)據(jù)融合架空輸電線(xiàn)路鐵塔損傷識(shí)別[J];黑龍江科技信息;2014年20期

8 呂淑婷;張啟敏;;一類(lèi)帶Poisson跳的隨機(jī)森林發(fā)展系統(tǒng)數(shù)值解的穩(wěn)定性[J];蘭州理工大學(xué)學(xué)報(bào);2012年03期

9 陳海利;孫志偉;龐龍;;基于隨機(jī)森林的文本分類(lèi)研究[J];科技創(chuàng)新與應(yīng)用;2014年02期

10 莊進(jìn)發(fā);羅鍵;彭彥卿;黃春慶;吳長(zhǎng)慶;;基于改進(jìn)隨機(jī)森林的故障診斷方法研究[J];計(jì)算機(jī)集成制造系統(tǒng);2009年04期

相關(guān)會(huì)議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類(lèi)[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識(shí)別中的應(yīng)用[A];第八屆全國(guó)轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹(shù)的集合體和后向消除策略去分類(lèi)P-糖蛋白化合物[A];第十屆全國(guó)計(jì)算(機(jī))化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前6條

1 張乾;基于隨機(jī)森林的視覺(jué)數(shù)據(jù)分類(lèi)關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

2 薛小明;基于時(shí)頻分析與特征約簡(jiǎn)的水電機(jī)組故障診斷方法研究[D];華中科技大學(xué);2016年

3 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

4 雷震;隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

5 岳明;基于隨機(jī)森林和規(guī)則集成法的酒類(lèi)市場(chǎng)預(yù)測(cè)與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

6 李書(shū)艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究[D];蘭州大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 錢(qián)維;藥品不良反應(yīng)監(jiān)測(cè)中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

2 韓燕龍;基于隨機(jī)森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年

3 賀捷;隨機(jī)森林在文本分類(lèi)中的應(yīng)用[D];華南理工大學(xué);2015年

4 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年

5 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年

6 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年

7 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年

8 李慧;一種改進(jìn)的隨機(jī)森林并行分類(lèi)方法在運(yùn)營(yíng)商大數(shù)據(jù)的應(yīng)用[D];電子科技大學(xué);2015年

9 趙亞紅;面向多類(lèi)標(biāo)分類(lèi)的隨機(jī)森林算法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 黎成;基于隨機(jī)森林和ReliefF的致病SNP識(shí)別方法[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1412082