基于决策树模型的采煤沉陷湿地信息提取

为探求高潜水位沉陷湿地水生植被信息遥感提取的有效方法,以潘集矿区采煤沉陷湿地为研究对象,构建水生植被信息提取的决策树模型。选用研究区2021a 9月11日的Sentinel-2影像数据验证模型的有效性,结果显示决策树模型的总体分类精度为83.1%,Kappa系数为0.78,高于支持向量机、神经网络和分类与回归树法方法的分类精度。在只针对浮叶植被和挺水植被进行提取的情况下,决策树模型的总体分类精度和Kappa系数可以达到91.3%和0.81,而其他3种分类方法没有明显的提高,说明构建的决策树模型在水生植被的提取上更具优势。决策树模型普适性检验的结果表明,该模型可应用于矿区其他沉陷湿地水生植被的提取,为矿区湿地植被资源监测提供技术参考。