典型文献
基于集成学习和多时相遥感影像的枸杞种植区分类
文献摘要：
利用遥感技术对柴达木盆地枸杞种植区进行精准提取对当地政府开展市场管理与调控具有重要意义.以典型枸杞种植区诺木洪农场为例,选取Landsat8 OLI和GF-1 WFV影像构建作物生长期内时序NDVI/EVI数据,并采用4种新颖的集成学习分类器(LightGBM,GBDT,XGBoost,RF)和2种应用广泛的机器学习分类器(SVM,MLPC)对枸杞种植区进行分类.研究结果表明:①LightGBM(90.4％),GBDT(90.4％),XGBoost(89.31％)和RF(86.96％)分类器能获得较高的分类精度,并以LightGBM+EVI的总体分类精度最高,达到了91.67％,Kappa系数为0.90;②EVI指数在枸杞生长中后期表现更为灵敏,并在同一分类器下使用EVI时序数据能获得更好的枸杞作物制图效果;③利用GBDT,XGBoost和RF分类器的特征重要性评分方法进行枸杞种植区分类时相特征优选,能够在获取高分类精度的同时进一步降低数据冗余.
文献关键词：
作物分类;枸杞;NDVI/EVI时序;集成学习
中图分类号：
作者姓名：
史飞飞;高小红;肖建设;李宏达;李润祥;张昊
作者机构：
青海师范大学地理科学学院,西宁 810008;青海省气象科学研究所,西宁 810008;青海省自然地理与环境过程重点实验室,西宁 810008;青藏高原地表过程与生态保育教育部重点实验室,西宁 810008;青海省防灾减灾重点实验室,西宁 810008;高原科学与可持续发展研究院,西宁 810008
文献出处：
引用格式：
[1]史飞飞;高小红;肖建设;李宏达;李润祥;张昊-.基于集成学习和多时相遥感影像的枸杞种植区分类)[J].自然资源遥感,2022(01):115-126
A类：
MLPC,LightGBM+EVI
B类：
集成学习,多时相遥感影像,种植区,遥感技术,柴达木盆地,精准提取,当地政府,市场管理,诺木洪,农场,Landsat8,OLI,GF,WFV,影像构建,作物生长,生长期,NDVI,GBDT,XGBoost,RF,机器学习分类器,分类精度,Kappa,枸杞生长,生长中后期,时序数据,制图,特征重要性,重要性评分,评分方法,特征优选,数据冗余,作物分类
AB值：
0.378827
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
