<cite id="yyiou"><tbody id="yyiou"></tbody></cite>
<cite id="yyiou"><samp id="yyiou"></samp></cite>
  • <s id="yyiou"></s><bdo id="yyiou"><optgroup id="yyiou"></optgroup></bdo>
  • <cite id="yyiou"><tbody id="yyiou"></tbody></cite>

    首頁 > 期刊 > 自然科學與工程技術 > 農業科技 > 林業 > 林業調查規劃 > 基于機器學習的高光譜濕地植被分類研究 【正文】

    基于機器學習的高光譜濕地植被分類研究

    羅寧; 阮仁宗; 王俊海 河海大學地球科學與工程學院; 江蘇南京211100
    • 濕地植被
    • 機器學習
    • 高光譜影像
    • 分類精度

    摘要:為實現濕地植被的精細分類和高精度制圖,為濕地管理部門提供準確的決策依據,以美國加州薩克拉門托—圣華金水域的典型濕地植被為研究對象,以高光譜影像為數據源,結合野外GPS采樣點,對典型濕地植被的光譜反射率作一階導數和二階導數處理,基于均值置信區間原理篩選特征波段,基于單因素分析法篩選能夠明顯區分植被類型的植被指數。聯合特征波段和植被指數構建特征集,利用機器學習C5.0決策樹生成知識規則并提取濕地植被信息。結果表明,基于機器學習C5.0決策樹的濕地植被提取總體精度為80.09%,Kappa系數為0.792,與最大似然法比較,總體精度提升10.79%,Kappa系數提升0.105,說明基于機器學習的C5.0決策樹法能夠實現植被的精細分類,方法切實可行。

    注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社

    投稿咨詢 免費咨詢 雜志訂閱

    我們提供的服務

    服務流程: 確定期刊 支付定金 完成服務 支付尾款 在線咨詢
    主站蜘蛛池模板: 昌图县| 张北县| 德安县| 大同市| 江口县| 刚察县| 吉林省| 逊克县| 阿克陶县| 寿光市| 饶河县| 馆陶县| 临湘市| 进贤县| 道真| 小金县| 信阳市| 越西县| 维西| 沂源县| 新余市| 康定县| 林州市| 盘山县| 周至县| 类乌齐县| 连城县| 双辽市| 通城县| 郧西县| 兴义市| 锦州市| 普陀区| 潞西市| 安新县| 行唐县| 饶河县| 太仆寺旗| 库车县| 永昌县| 秦安县|