《表2 植被指数及自定义特征指数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《集成机器学习与面向地理对象影像分类的大区域林地信息提取及其泛化能力探讨》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

G、R、B、N分别表示绿波段、红波段、蓝波段、近红外波段.

基于Google Earth高分辨率遥感影像，从典型研究区分割数据集中选择分割对象青海云杉1 821个和非青海云杉2 480个，共计4 301个.提取分割对象的51个特征的初始特征集，包括光谱、形状、纹理等.采用Cfs-PSO特征优选方法进行精简，其中包括16个光谱特征，即Landsat 8 OLI在可见光、近红外和短波红外的7个波段的均值、标准差、亮度及最大差分；3个形状特征，包括对象的密度、紧致度和主方向；8个纹理特征，包括灰度共生矩阵的均值、标准差、同质性、异质性、相关性、对比度、信息熵和角二阶矩特征值；7个指数，包括植被指数（NDVI、SRI、EVI、ARVI）及自定义指数（NDGI、RRI、SI）；缨帽变换的前3个主成分分量（brightness、greenness、wetness），指数定义见表2.还有数字高程模型DEM及其派生参数，坡度均值、坡向均值及其标准差等.