典型文献
湿地遥感分类方法评估——以玛多湖湿地自然保护区为例
文献摘要：
在全球变暖和人类活动不断加剧的影响下,湿地生态系统遭到严重破环,因此快速准确地获取湿地分布状况显得尤为重要.以玛多湖湿地自然保护区为研究区域,采用随机森林、神经网络和支持向量机3种机器学习分类器,应用高精度多光谱Sentinel-2影像绘制玛多湖湿地利用分布图,并与加入DEM地形数据以及NDVI,NDWI,BI,RVI 4种光谱指数信息后的波段合成数据作对比.研究结果表明,支持向量机分类方法和波段合成数据的组合在玛多湖湿地制图中表现出了最好的精度效果,总体精度为95.8％,Kappa系数为0.95.两种数据源对分类结果的影响明显低于分类器的影响.虽然支持向量机与随机森林分类方法间效果的差异较小,但相较于神经网络分类方法,分类精度有着明显提高.该研究进一步证实了传统机器学习分类方法应用于高分辨率多光谱影像开展湿地信息提取研究的可靠性.
文献关键词：
湿地遥感;随机森林;神经网络;支持向量机;玛多湖湿地自然保护区
中图分类号：
作者姓名：
吕烨;史良树;田燕芹;张丽;闫敏;李一琼
作者机构：
中国国土勘测规划院,北京 100035;中国科学院空天信息创新研究院,北京 100094;苏州科技大学地理科学与测绘工程学院,江苏苏州 215009
文献出处：
引用格式：
[1]吕烨;史良树;田燕芹;张丽;闫敏;李一琼-.湿地遥感分类方法评估——以玛多湖湿地自然保护区为例)[J].江苏海洋大学学报（自然科学版）,2022(01):31-36
A类：
玛多湖湿地自然保护区
B类：
湿地遥感,遥感分类,分类方法,方法评估,全球变暖,暖和,人类活动,湿地生态系统,快速准确,湿地分布,分布状况,机器学习分类器,Sentinel,分布图,DEM,地形数据,NDVI,NDWI,BI,RVI,光谱指数,波段,合成数据,支持向量机分类,制图,总体精度,Kappa,数据源,随机森林分类,神经网络分类,分类精度,多光谱影像,信息提取
AB值：
0.279967
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。
