基于时序Sentinel-2影像的农作物分类研究

特征选择是提高农作物分类精度的一个重要手段.本文基于时序Sentinel-2影像提取影像的波段特征、植被指数、纹理特征,以这三类特征构建分类特征集,使用随机森林算法对分类特征集进行特征选择和分类实验.根据分类混淆计算的研究区总体分类精度为92.5％,Kappa系数为0.904,高精度地提取了研究区内冬小麦、大蒜等主要冬季作物的种植信息,这表明随机森林算法在对特征降维的同时,也能保证较高的分类精度.     

GEE遥感云平台支撑下的河南省土地利用变化检测

针对长时序大尺度的土地利用类型精细化分类存在的挑战,基于Google Earth Engine遥感大数据云平台,利用具有较好时空一致性的Landsat7、Landsat8数据,采用随机森林模型和众数滤波优化算法研究了过去20年间河南省土地利用分类空间变化特征及趋势.研究结果表明:1)基于GEE遥感云平台提供的丰富数据和...     

复杂背景下水体提取方法适用性研究

研究复杂背景下最佳水体提取方法,已成为近年来水体提取研究的热门话题。本文以南湾水库为实验对象,基于光谱特性和分类的方法探究复杂环境下水体提取效果。研究表明：在各种方法中,以改进的归一化差异水体指数（modified normalized difference water index,MNDWI）以及结合该指数和归一化差异建筑指数（normalized difference building index,NDBI）的随机森林算法提取效果最好,多波段谱间关系法提取精度最低。复杂背景下高反射率建筑群及非均匀水质等因素均对水体提取造成干扰,可联合多种方法综合提取水体面积。