《表1 特征说明:基于特征优选随机森林算法的农耕区土地利用分类》
本研究选取研究区4种特征变量:光谱特征、无红边植被指数和红边指数[13-22]、纹理特征,如表1所示。基于遥感影像进行土地利用分类时,Shoko和Mutanga[21]研究发现红边波段信息加入能够有效提高土地利用分类的精度。为此,选取遥感影像的7个波段的反射率作为光谱特征,构建4种常用无红边植被指数以及7种红边指数;除上述3种特征变量之外,郑淑丹等[22]认为纹理信息也可以提高分类精度,故采用灰度共生矩阵方法提取影像的纹理特征。为较好地反映影像的纹理特征,通过多次试验对比分析,设置滑动窗口大小为3,步长为1,利用灰度共生矩阵提取了基于红边波段的均值(mean)、方差(variance)、同质性(homogeneity)、对比度(contrast)、差异性(dissimilarity)、熵(entropy)、二阶矩(second moment)、相关性(correlation)共8个纹理特征。
图表编号 | XD00135755200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 王李娟、孔钰如、杨小冬、徐艺、梁亮、王树果 |
绘制单位 | 江苏师范大学地理测绘与城乡规划学院、江苏师范大学地理测绘与城乡规划学院、国家农业信息化工程技术研究中心、江苏师范大学地理测绘与城乡规划学院、江苏师范大学地理测绘与城乡规划学院、江苏师范大学地理测绘与城乡规划学院 |
更多格式 | 高清、无水印(增值服务) |