基于机器学习的深圳市坝光湿地园树种高光谱分类

高光谱遥感数据为树种的精细识别提供了可能。为探索高光谱数据在 树种识别中的能力,本研究基于深圳市坝光古银叶树群落的8种主要树种叶片 高光谱数据,比较了6种光谱预处理方式和2种分类方法对树种分类识别精度的 影响,并基于随机森林算法对不同树种识别的特征波段进行了识别。研究结果 表明,一阶导数预处理方法在分类识别中性能最好,平均分类精度为76.65%;随机森林回归方法较支持向量回归算法的性能好,模型平均分类识别精度为 73.07%。从混淆矩阵可以看出,多毛茜草、银柴、阴香易错分为假萍婆,鸭脚 木与银柴易错分,银叶树和细叶榕易错分。400nm、495nm、615~675nm、 835nm、915~975nm、1035~1065nm、1085~1135nm、1265~1275nm、1425 ~1535nm、2040nm、2100~2270nm、2430nm附近的光谱数据与8个树种分 类识别有密切关系。