基于集成学习和多时相遥感影像的枸杞种植区分类
Remote Sensing for Natural Resources(2022)
摘要
利用遥感技术对柴达木盆地枸杞种植区进行精准提取对当地政府开展市场管理与调控具有重要意义.以典型枸杞种植区诺木洪农场为例,选取Landsat8 OLI和GF-1 WFV影像构建作物生长期内时序NDVI/EVI数据,并采用4种新颖的集成学习分类器(LightGBM,GBDT,XGBoost,RF)和2种应用广泛的机器学习分类器(SVM,MLPC)对枸杞种植区进行分类.研究结果表明:①LightGBM(90.4%),GBDT(90.4%),XGBoost(89.31%)和RF(86.96%)分类器能获得较高的分类精度,并以LightGBM+EVI的总体分类精度最高,达到了91.67%,Kappa系数为0.90;②EVI指数在枸杞生长中后期表现更为灵敏,并在同一分类器下使用EVI时序数据能获得更好的枸杞作物制图效果;③利用GBDT,XGBoost和RF分类器的特征重要性评分方法进行枸杞种植区分类时相特征优选,能够在获取高分类精度的同时进一步降低数据冗余.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要