随机森林在高光谱遥感数据中降维与分类的应用

高光谱数据的特征数目庞大,而且波段之间存在冗余信息,对高光谱数据进行分类的成本较高,因此需要提取合适的特征达到提高效率的目的.随机森林作为一种热门算法,广泛应用于各种分类、特征选择等问题中,均取得了良好的效果.本文选择北京小汤山农业试验区的OMIS高光谱影像作为研究数据,利用随机森林算法计算每个特征的重要性指标并对其排序,针对面向精度和效率的特征选择策略,使用RF-RFE波段选择方法去除价值低的特征分别得到最佳波段组合,实现高光谱数据降维,进行随机森林、支持向量机分类.实验结果表明随机森林分类精度为72.82%,SVM分类精度为65.21%,随机森林分类器优于SVM,是一种较好的高光谱数据分类器.     

北京奥后夏季农业景观的变化特征分析——以北京市大兴区、通州区为例

利用2009—2013年的HJ卫星影像资料为主要数据源,借用相关地理信息数据等资料,通过建立景观格局度量指标体系,对北京市大兴区和通州区2个重点农业大区耕地范围内夏季作物农业景观格局随时间演变特征进行定量分析.结果表明:2009—2013年(奥后),冬小麦面积不断下降,同时景观斑块受外界影响破碎化程度增大,斑块形状整体表现更加规则,农业斑块边界割裂的程度愈发明显,优势景观类型逐渐不再突出.2个区域内耕地土地利用类型及景观格局变化受社会经济因素影响较大,其中人口增加与经济发展,剧烈的城市化进程占用了大量郊区和农村的耕地,从而加剧耕地内景观格局愈发复杂、破碎;政府部门相关政策,如粮食直补、农业发展规划、平原造林工程等政策的出台,对农村产业结构产生强烈的影响;城市化与交通发展均对耕地景观格局产生深刻影响,造成了农业景观格局朝破碎化、异质化和复杂化的方向发展.     

图斑与变化向量分析相结合的秋粮作物遥感提取

本文提出一种图斑与变化向量分析相结合的农作物提取方法,旨在综合面向对象空间纹理信息、归一化植被指数信息和作物变化信息,提取农作物.实验以高分一号为数据源,选取河北省衡水市中部区域提取作物,根据野外采样点数据验证方法精度.实验结果表明:该方法较高精度地提取了研究区作物分布,总体精度达到93.4%.其中主要作物玉米提取的用户精度、制图精度分别为95.4%、95.7%,棉花提取的用户精度、制图精度分别为86.8%、84.0%,其余非农作物类别用户精度高于89.9%,制图精度高于91.6%.棉花和景观树由于种植破碎,并且大部分都混作于玉米中,提取精度比玉米低.从分类结果图中可以看出,该方法基于面向对象,以地块为基本识别单元提取作物信息,消除了传统基于像元的分类存在的"椒盐现象".研究表明:本文提出的方法能够充分利用面向对象地块信息,以农作物变化信息为依据,辅以归一化植被指数,较高精度的提取农作物.该方法的成功实施为面向对象方法在农作物提取中的研究提供了新思路,为作物信息提取提供了有效的途径.     

地块数据支持下无人机影像图斑优化分割研究

面向对象方法中,分割的质量影响分类的精度,而影响分割的关键因素是分割尺度.传统方法采用单一尺度对整景影像进行分割会忽略地物的局部特征,会造成分割结果的"顾此失彼"现象.本文提出一种基于地块数据对影像进行局部分割的方法,为每个地块选取最优的分割尺度,保证每一个地块内的优化分割,从而实现图像整体的优化分割.从目视角度看,局部分割针对每个地块达到最优分割,而整体分割会造成局部区域的过分割和欠分割现象.本文通过引入面积、周长以及形状指数来定量分析局部/整体分割结果与目视解译对象的差异,其中局部分割与目视解译对象的面积、周长以及形状指数差异分别为7.5%、65.2%和62.9%,比全局分割低,表明局部分割方法能够有效提高分割的质量.