基于机器学习的Landsat数据地层信息提取 ——以西南天山柯坪地区为例
Geological Bulletin of China（2023）
摘要
当前机器学习方法不断创新发展,为遥感数据的分析利用提供了很好的平台.结合西南天山柯坪地区沉积岩的典型地质特征,针对1:5万区域地质调查数据,利用Landsat 8数据9个波段的遥感信息进行机器学习方法解译.为增强机器学习过程中参与变量数目,在原始9波段数据的基础上分别采用比值法增强方式、主成分分析法增强方式进行数据叠加.为减弱地质体内部纹理信息,同时不影响地质体之间的边界,笔者采用双边滤波的形式对遥感数据进行进一步处理.选用的极限随机树方法、直方梯度增强随机树、随机森林3种机器学习方法整体识别精度均超过93％,尤其是极限随机树方法达到94.18％.本研究方法可用在其他地质信息解译、地质填图中,值得推广.
更多查看译文
关键词
bilateral filter,principal component analysis,band ratio,Extra Trees,Random Forest,Hist Gradient Boosting,Landsat 8
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要