文献类型：期刊文章

作　　者：李世波[1,2] 林辉[1] 葛淼[3]

LI Shibo;LIN Hui;GE Miao(Key Laboartory of Forestry Remote Sensing Based Big Data & Ecological Security for Hunan Province,Central South University of Forestry & Technology,Changsha 410004,Hunan,China;Guizhou Forestry Survey and Design Co. Ltd.,Guiyang 550001,China,Guizhou;Shanghai Ruya Information Technology Co. Ltd,Shanghai 215008,China)

机构地区：[1]中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室,湖南长沙410004 [2]贵州林业勘察设计有限公司,贵州贵阳550001 [3]润雅信息技术(上海)有限公司,上海215008

出　　处：《中南林业科技大学学报》

基　　金：国家自然科学基金项目（31370639）;湖南省科技厅项目（2016TP1014）

年　　份：2019

卷　　号：39

期　　号：11

起止页码：36-41

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进行预处理,再运用PCA算法分别对其进行降维运算,随后采用马氏距离、朴素贝叶斯、Knn、径向基内核支持向量机和随机森林等分类方法对降维后的数据进行分类。结果表明:1)不同预处理方式经过PCA降维后能保持自身特有的特征;2)降维后的累计方差贡献率与分类精度不存在必然联系,主成分个数能对分类精度产生影响;3)不同的分类方法对降维后的数据灵敏度不同,随机森林和径向基内核支持向量机保持较高的稳定性。

关 键 词：高光谱  降维 分类  主成分分析 东洞庭湖

分 类 号：S771.8[林业工程类]