基于Sentinel-2影像的喀斯特地区土地利用信息提取
龙紫微
汪泓
贾煜
吴永俊
彭俊杰
贵州大学矿业学院,贵州贵阳 550000
摘要：针对喀斯特地区分类尺度难以确定,特征数量维数过高,分类精度较低的问题,文章提出了通过联合评价确定最优分割尺度、ReliefF算法对先验特征数据集进行优选,使用分层掩膜的策略,利用随机森林算法完成分类的方法.并以贵阳西南喀斯特地区为研究区,首先使用同质性与Moran'sI联合评价的方法确定最优分割尺度为80,通过ReliefF算法优选出重要性较高的15个特征;在此基础上,通过对比试验验证了随机森林算法的优越性;以2020年Sentinel-2影像为实验数据设计3种面向对象分类方案.结果表明,经最优尺度计算、特征优选和分层掩膜的分类方法结果精度最高,分类总体精度、Kappa系数、AD、QD分别达到0.886、0.849、0.092、0.022.最后将该方法应用于2023年影像,分类总体精度、Kappa系数、AD、QD分别达到0.868、0.825、0.106、0.026.证明了该方法在喀斯特地区土地利用信息提取方面的优越性和适用性.
关键词：喀斯特地区随机森林ReliefF多尺度分割分层策略
分类号：TP751(遥感技术)P237(摄影测量学与测绘遥感)
资助基金：国家自然科学基金(41901225)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 672-683 )
英文信息