基于面向对象结合随机森林模型的Sentinel-2A影像耕地信息提取

Journal of Henan Polytechnic University(Natural Science)（2023）

引用 0|浏览0

暂无评分

摘要

为了更快、更准确地提取耕地信息,以山东省青岛市莱西市夏格庄镇为研究区,利用Sen-tinel-2A影像融合光谱特征、遥感指数特征、纹理特征和形状特征等31个特征变量,设计4种耕地信息提取方案,采用结合面向对象的随机森林(Random Forest,RF)分类模型提取耕地信息,并基于相同分类条件,与传统机器学习分类方法对比,评价模型的优适性.结果表明:结合所有分类特征变量的方案4耕地提取效果最佳,其中旱地提取精度高达99.6％,大棚提取精度达88.4％;5种分类方法中,结合面向对象的RF模型耕地提取精度最高,减弱了分类结果的"椒盐"现象,优化了分类结果.

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