基于改进分离阈值特征优选的秋季作物遥感分类

为了提高秋季作物分类精度,以多时相的Sentinel 2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法(Modified ISEaTH based entropy,EMISE)的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法(Modified EMISE based Relief F,ReEMISE),并分析了不同特征对秋季作物分类的重要性。首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林(Random forest,RF)方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较。同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响。结果表明:ReEMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.3918%和0.9397;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.5021、1.5715个百分点,Kappa系数分别提高0.0198、0.0207。因此综合多特征的ReEMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率。

黄河三角洲典型盐沼植被时空分布数据集(1999-2020)研发

以盐地碱蓬、芦苇、互花米草为代表的黄河三角洲典型盐沼植被,在维持生物多样性、提供重要栖息地、降低暴雨径流、调节气候等方面提供多种生态服务功能。研究其分布和演替趋势对整个生态系统的结构保护与管理具有重要意义。本数据集在黄河三角洲开展研究,基于GoogleEarthEngine(GEE)大数据平台,利用1999-2020年2,068景LandsatTM/ETM/OLI、Sentinel-2 MSI光学数据和Sentinel-1 SAR雷达数据,结合盐沼植被的物候季相特征,构建全生长期的多特征空间。利用递归特征消除的特征优选算法筛选出最佳特征组合,利用随机森林算法进行1999-2020年黄河三角洲典型盐沼植物种群的分类,进一步分析获得典型盐沼植被时空分布数据集。该数据集覆盖区域为黄河三角洲河口湿地,栅格数据空间分辨率分别为10 m。数据存储为.tif格式,共包含64个数据文件,数据量为172 MB(压缩为1个文件,31.7 MB)。