基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区,采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量,在随机森林算法框架下,对不同特征变量进行特征重要性评估,比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较,并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时,分类精度达到最大,随着特征个数的增多,分类精度呈现波动减小的趋势; 2) 特征变量中蓝光波段重要性得分最高,达到2.85,可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前,对于提取湖泊湿地信息具有重要意义; 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度,其总体精度分别高出6.02%和7.57%;经检验, χ2分别达到25.891和38.895,具有显著差异,表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。     

随机森林算法在干旱区土地利用遥感分类中的应用研究

为了验证随机森林算法在干旱区土地利用遥感分类中的效果,本文采用随机森林算法,结合Landsat8遥感影像以及DEM、NDVI等辅助数据,解译了干旱区典型流域玛纳斯河流域的土地利用图。分析结果表明:(1)分析决策树数量(k)和分类变量数量(m)对分类精度具有很大影响。通过优化2个参数得到最优随机森林模型,当k取103、m取6时,模型分类精度可达95%;(2)通过土地利用分类精度的影响因子分析发现,海拔高程和归一化植被指数对土地利用分类的影响程度比坡向的影响更大。(3)通过分类结果对比分析发现,应用随机森林算法分类的精度比用最大似然法的分类精度高9%,利用变量重要性筛选出的遥感波段构建优化随机森林模型,能有效降低遥感数据源数据量,而Kappa系数保持在0.97不变。随机森林算法可以在干旱区土地利用分类中广泛应用。     

基于Sentinel-2光谱与地形特征的山区森林分类——以武夷山国家公园为例

为了提高山区复杂地形条件下的森林分类精度，以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源，采用多尺度分割方法进行影像分割，并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初始27维光谱特征，通过计算随机森林Gini指标对分类特征变量进行优化，最终确定17维最优特征变量，然后将提取的研究区地形特征与最优特征变量相结合，应用随机森林算法进行森林分类.结果表明：在27维光谱特征中选取重要性排名前17的特征参与分类时，精度最高值为0.911 0，其中，Sentinel-2影像的红、红边和近红外波段及其相应的光谱指数在森林分类中有较高重要性；在不同的特征参与分类时，在参考光谱特征中依次加入红边指数和地形因子，分类的总体精度分别为88.13%、89.50%、90.87%,Kappa系数分别为0.854 6、0.871 0、0.887 8.研究证明将Sentinel-2丰富的光谱特征与地形因子相结合，可有效获取各森林地物类型在不同地形特征下的不同光谱特征，此方法在森林地物信息提取中具有较高的应用价值，为今后地形复杂的山区森林进...     

化学成分-朴素贝叶斯分类算法的烟叶产地模式识别

把总糖、还原糖、总氮、烟碱、总氯和总钾这6个成分含量作为影响烤烟烟叶产地的自变量,利用朴素贝叶斯分类算法(NBC)建立烤烟烟叶生产地的判别模型.结果表明,用朴素贝叶斯分类建立的烟叶产地识别模型建模、留一法、预报准确度分别为91.24%、89.05%和88.24%,而用支持向量机分类和K点最近邻分类建立的烟叶产地识别模型的准确率均低于朴素贝叶斯分类建立的模型.可见利用朴素贝叶斯分类算法对烟叶产地进行模式识别研究,可以很好地反映烟叶样本由于产地的不同带来的差异.因此可以将NBC算法引入到烟草行业的研究中.     

基于最优特征空间构建的随机森林算法在WorldView-2影像分类中的适用性研究

目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。     

基于极化SAR和光学影像特征的土地覆盖分类

为了更好地利用多源遥感影像参与土地覆盖分类,采用一种基于合成孔径雷达(SAR)影像和光学影像相结合的特征分析及筛选方法.该方法在对光学影像和SAR影像的各类特征变量进行可分性分析后,使用随机森林算法对其组成的高维变量空间进行降维筛选,将筛选出的特征变量用于土地覆盖分类,并对实验结果进行分析比较.实验结果表明:利用随机森林算法对特征变量进行分析筛选后的变量组合可以取得最优的分类结果,总体精度和Kappa系数可以达到92.1％和0.91,相比于仅用SAR影像特征变量进行分类时分别提升了11.9％和16.7％.该方法能够充分发挥光学影像和SAR影像各自的优势,提高特征变量的利用率,使分类结果更加稳定和精确.     

基于随机森林算法的城区土地覆盖分类研究

随机森林算法是一种高度灵活且易于使用的机器学习算法,目前在遥感影像分类中应用广泛。为了验证其在城市土地覆盖分类中的效果,本文对河南省洛阳市局部城区进行了土地覆盖分类实验,将Landsat 8(OLI)遥感影像的光谱波段、光谱指数和纹理特征相结合,构成多种特征组合进行随机森林算法分类比较,选择分类效果最佳方案,并与支持向量机方法进行比较。后利用随机森林算法对该组合特征变量高维数据进行降维处理,得到优化特征方案。实验结果表明:采用多源特征组合的随机森林算法的土地利用分类效果最佳,总体精度为90.54%,Kappa系数为0.890,比支持向量机方法的分类精度提高了3.1%;降维处理后的特征方案与随机森林结合在保证分类结果拥有高准确度的同时,减少了运算时间,实现了土地覆被类型信息的高效获取。表明随机森林算法在城区土地覆盖分类上有很好的适用性与稳定性。     

基于伪F统计量的属性特征降维方法研究

提出了一种基于伪F统计量的特征选择算法(FSPF)来对属性特征进行降维,评价输入特征的重要性程度.通过特征重要性累积比率,获取了最具有区分能力的特征组合.利用加权K最近邻、随机森林、人工神经网络、决策树、梯度提升与支持向量机,对真实数据集进行了分类.实验结果表明:经过FSPF特征选择算法进行变量重要性筛选后,可以较为有效地提高目前主流机器学习方法的分类预测性能.     

基于随机森林算法的航空高光谱数据分类方法研究

高光谱数据具有光谱范围广,光谱分辨率高等优势,可以用于不同地物的分类识别,为近年来遥感领域的研究热点。采用随机森林算法对机载高光谱数据进行了地物分类识别研究,首先选取不同种类的地物样本,并对每类样本打上类别标签,每个像素包含的波段数即为样本的特征数,送入随机森林分类器进行训练;然后将训练好的分类器对待分类的高光谱影像数据进行分类,待分类的数据初始化为统一的类别标签;并根据袋外数据自变量的扰动对分类精度的影响,计算不同波段特征对分类效果的重要性系数。实验采用C++语言结合Intel Open CV计算机视觉库,编写了高光谱影像分类识别程序,对机载AISA高光谱传感器获取的甘肃省张掖市农村与城市影像数据进行分类,结果表明本文算法具有较高分类精度和可靠性。     

随机森林分类算法提取柑橘果园的样本数量敏感性分析

随机森林算法,凭借处理高维度数据、模型泛化能力强、训练速度快等优点,被广泛用于土地利用遥感分类中,但该算法的训练样本对分类结果的影响问题一直没有受到重视。以提取南丰县柑橘果园为案例,探讨在不同柑橘果园训练样本下,以随机森林算法提取柑橘果园的精度差异,定量评价训练样本差异对该算法提取柑橘果园精度的影响。研究结果表明:1)对于县级尺度,随机森林训练样本在240,总体精度达到89.66%,Kappa系数为0.87,整体分类效果最优。对于提取柑橘果园,则训练样本数量为2 400时最优。2)南丰县柑橘果园的主要分布于高程100～150 m,坡度0°～5°临近河流的区域范围内,分别占总柑橘果园面积的46.78%和26.67%。     

烤烟糖质量分数与气象因子的相关性评价——以昭通烟区为例

为探索昭通烟区烟叶糖质量分数与其气象因子的关系,研究了2011-2015年昭通烟区3个主要基地(昭阳、彝良、镇雄)烤烟K326各部位初烤烟叶糖质量分数(总糖、还原糖、两糖差)与气象因子的相关性.结果表明:昭通烟区各部位初烤烟叶的总糖质量分数与大田期5-8月日照时数、降雨量、温度的相关性因基地不同而异;各部位初烤烟叶还原糖质量分数与大田期5-8月日照时数负相关、与降雨量正相关、与气温的相关性因基地不同而异;各部位初烤烟叶两糖差与大田期5-8月日照时数正相关、与降雨量负相关、与温度的相关性因基地不同而异.因此,影响昭通烟区各部位初烤烟叶两糖协调性的主导生态因素为大田期5-8月的日照时数和降雨量.     

洛阳烟区烤烟化学成分特点分析

对在2002-2005年间洛阳地区的70个烤烟样品进行了常规化学成分分析,结果表明:烤烟总氮、钾、氯、淀粉含量基本适宜,还原糖、烟碱、糖/碱、氮/碱、钾/氯等变异范围较大,部分样品烟叶烟碱、还原糖含量偏高;各化学成分间相互比例基本协调,少数烟叶化学成分比例不够协调甚至失衡.     

湘西主产烟区烤烟常规化学成分分析与评价

对2006年湘西2大主产烟区（桑植烟区和龙山烟区）202个烤烟样本的5种常规化学成分进行了分析与评价,并与云南烤烟的常规化学成分进行了对比分析.结果表明：2大主产烟区烤烟总糖含量略高于优质烟叶范围,但均低于云南烟叶总糖含量;烟碱含量大多在适宜水平偏高区域,且大都高于云南烟叶烟碱水平;氯和总氮含量多在优质烟叶化学含量指标范围内,糖碱比和钾氯比大小基本适宜,但糖碱比大都低于云南烟叶糖碱比;氮碱比值低于优质烤烟含量范围.说明要进一步提高湘西地区烟叶的化学品质,需改善生态及栽培条件,运用复烤调制技术,降低总糖及烟碱含量,提高含钾水平.     

烤烟总糖、蛋白质及施木克值与土壤养分的关系分析

该文分析了云南省保山烟区195份烤烟样品总糖、蛋白质及施木克值与土壤养分的关系.结果表明:①5县区烟叶平均总糖质量分数变异系数在10％以内,变幅以施甸县最大.蛋白质质量分数接近优质烟叶标准,平均质量分数以施甸(9.28％)最高,昌宁(8.19％)较低;②保山烟区烤烟总糖质量分数与速效钾、有效铜、有效锌和有效硼质量分数呈极显著正相关;蛋白质质量分数与碱解氮、速效磷、有效铁、有效锰和有效硫质量分数呈极显著正相关;施木克值与pH值、速效磷和有效硫质量分数呈显著负相关,与碱解氮、有效铁和有效锰质量分数呈极显著负相关;③该地区属于北回归线区域火山灰土壤特色优质烟区,土壤呈中性微酸,有机质质量分数丰富,总体供氮水平较高,速效磷质量分数中等,速效钾质量分数中等偏上,多数烟区中微量元素质量分数丰富;④最后构建了保山烟区烤烟总糖、蛋白质及施木克值与土壤养分指标间的双重筛选逐步回归分析方程.     

攀西烟区烤烟不同垄作方式对烤烟生理生化和品质的影响

[目的]为了探究不同垄作方式对攀西烟区烤烟品质的影响。[方法]于2016年在攀枝花仁和区平采用大田试验,采用3种不同的垄作方式,分别为一垄双行、宽窄行、常规起垄,研究不同垄作方式对烤烟生育期、农艺性状及生理生化的影响。[结果]与常规起垄方式相比,一垄双行、宽窄行以及平栽烟高起垄栽培方式对烤烟的生育期无影响;3种垄各项生理生化性状均大于常规垄作;宽窄行栽培烟叶化学成分含量及其比例关系优于常规栽培。     

基于变量分析和粒子群优化加权随机森林的交通事件检测方法

为了提高高速公路交通事件检测的效果,首先从交通流基本参数、交通流组合参数、不同区间交通流参数对交通事件参数的变化进行全面的分析,构建交通事件初始特征变量集,并利用AdaBoost算法、梯度提升树(GBDT)算法、随机森林(RF)算法对初始特征变量进行筛选,通过三种方法综合比较分析得出最终的重要变量.对随机森林中的决策树进行加权计算,构建加权随机森林,并利用粒子群(PSO)算法优化加权随机森林模型.通过采集的高速公路交通事件数据进行对比分析,实验结果表明,在交通事件初始特征变量中筛选出重要变量,对检测的精度有所提高,加权随机森林的检测性能也要优于传统的支持向量机(SVM)和随机森林.     

基于反射与透射图像结合的烟叶自动分级研究

人工进行烟叶外观分级需由日视和手感同时进行,而现有的利用计算机视觉技术对烟叶进行自动识别时,通常只利用了烟叶的反射图像,对烟叶的内部品质特征难以进行有效的模拟.本研究在自行设计制作的灯箱内拍摄同一烟叶的反射和透射二幅图像,通过数字图像处理技术自动提取烟叶的颜色和几何特征.运用人工神经网络建模,解决分级过程中的复杂非线性关系.实验结果证明,透射图像特征能够反映烟叶的某些内部分级因素,结合二类图像特征进行的识别效率明显高于使用某一类图像单独进行识别.同时,建模时所需特征参数大大减少,提高了运行效率和适应性.     

上海市大气环境中PM2.5/PM10时空分布特征

针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM_2.5和PM₁₀小时数据及对应的气象因素资料,以PM_2.5质量浓度占PM₁₀质量浓度的比例为研究对象,使用聚类分析和相关性分析PM2.5/PM₁₀的时空分布特征. 结果表明:P_2.5和PM₁₀的季节高低为冬>春>秋>夏,PM_2.5/PM₁₀的季节分布在不同区域存在差异性. PM_2.5/PM₁₀的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM_2.5/PM₁₀高于下午. 颗粒物质量浓度及PM_2.5/PM₁₀具有明显的“周末效应”,这与车辆通行政策与人类作息时间变动相关. 在空间分布上,颗粒物质量浓度及PM_2.5/PM₁₀均表现为背景站>浦西站>浦东站.