典型文献
基于多特征融合的白鹿原地区土地利用分类研究
文献摘要：
为了更高效地进行土地利用分类,以实现土地资源的可持续利用,本文以西安东南的白鹿原为研究区,采用具有丰富光谱信息的Sentinel-2 L2A数据生成多种特征变量,通过特征优选构建多特征融合的组合分类方案,基于随机森林(Random Forest,RF)、人工神经网络(Artificial Neural Network,ANN)、最小距离(Minimum Distance,MID)和马氏距离(Mahalanobis Distance,MAD)4种分类算法对比分析光谱特征和优选多特征融合分类方案在黄土台塬区土地利用分类中的精度及适用性.研究表明:优选多特征融合方法能够在一定程度上提升分类精度,与优选多特征融合的ANN、MID和MAD相比,优选多特征融合的RF分类方案精度分别提升了10.85％、26.22％及4.55％,优选多特征融合的RF算法土地利用分类效果最佳.该方法可为黄土台塬区土地资源监测、管理提供技术支持和方法参考.
文献关键词：
多特征融合;随机森林;人工神经网络;最小距离;马氏距离;白鹿原
中图分类号：
作者姓名：
刘曼;张静
作者机构：
长安大学地球科学与资源学院,陕西 西安710054;长安大学地质工程与测绘学院,陕西 西安710054
文献出处：
引用格式：
[1]刘曼;张静-.基于多特征融合的白鹿原地区土地利用分类研究)[J].农业与技术,2022(20):84-90
A类：
B类：
多特征融合,白鹿原,土地利用分类,分类研究,土地资源,可持续利用,安东,原为,光谱信息,Sentinel,L2A,数据生成,特征变量,特征优选,分类方案,Random,Forest,RF,人工神经网络,Artificial,Neural,Network,ANN,最小距离,Minimum,Distance,MID,马氏距离,Mahalanobis,MAD,分类算法,算法对比,光谱特征,融合分类,黄土台塬区,融合方法,分类精度,分类效果,资源监测
AB值：
0.333696
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。
