-
题名基于CART决策树技术的林业地类遥感影像分类研究
被引量：5
- 1
-
-
作者
徐军
谭莹
郑云峰
-
机构
浙江省森林资源监测中心
国家林业局华东林业调查规划设计院
-
出处
《华东森林经理》
2011年第4期79-84,共6页
-
文摘
以Landsat TM遥感影像为研究数据源,利用CART决策树算法,结合光谱信息和纹理信息进行林业地类的分类,并把获得的结果与传统的最大似然法分类进行比较,结果表明:在卫星影像的整体分类精度上,决策树分类技术要优于最大似然法。相对于最大似然分类,决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布,所以其总体分类精度优于传统的参数化分类精度。
-
关键词
林业地类
TM数据
纹理
决策树分类
遥感
-
分类号
P236.1
[天文地球—摄影测量与遥感]
-
-
题名高分多模卫星林业地类及树种识别应用研究
被引量：2
- 2
-
-
作者
高金萍
于慧娜
翟召坤
-
机构
国家林业和草原局林草调查规划院
国家基础地理信息中心
-
出处
《林业资源管理》
北大核心
2023年第1期127-132,共6页
-
基金
高分多模卫星用户数据处理与应用示范研究(BJ2001)。
-
文摘
遥感分类技术一直是林草行业应用的热点和难点,2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读,地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星,在湖南省桃源县、吉首市2个试验区分别开展林业主要地类识别和树种精细识别应用实践研究。结果表明:随机森林方法在林业地类识别中表现较好,林地、湿地、其他林地等主要地类的总体分类精度为89.56%,Kappa系数为0.733;K最邻近分类法对杉木、马尾松、灌木组、柑桔4个主要树种的总体识别精度为77.58%,Kappa系数为0.697。总体而言,高分多模卫星遥感分类和目标识别能力较好,在林草调查监测工作中应用潜力较大。
-
关键词
高分多模卫星
林业地类识别
树种识别
随机森林
K最邻近分类法
-
Keywords
high resolution multi-mode satellite
forest land type identification
tree species identification
random forest
K-nearest neighbor
-
分类号
V19
[航空宇航科学与技术—人机与环境工程]
S79
[农业科学—林木遗传育种]
-
