文献类型：期刊文章

作　　者：王李娟[1] 孔钰如[1] 杨小冬[2] 徐艺[1] 梁亮[1] 王树果[1]

Wang Lijuan;Kong Yuru;Yang Xiaodong;Xu Yi;Liang Liang;Wang Shuguo(School of Geography,Geomatics and Planning,Jiangsu Normal University,Xuzhou 221116,China;National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China)

机构地区：[1]江苏师范大学地理测绘与城乡规划学院,徐州221116 [2]国家农业信息化工程技术研究中心,北京100097

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(41971305,41701380,41401397);江苏省自然科学基金项目(BK20140237);江苏高校优势学科建设工程资助项目联合资助。

年　　份：2020

卷　　号：36

期　　号：4

起止页码：244-250

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高农耕区土地利用分类精度,该文采用较高空间分辨率和丰富光谱信息的Sentinel-2数据生成光谱特征、无红边波段的植被指数、红边指数和纹理特征4种基本特征变量,并对以上特征变量优选后进行特征重要性排序,进而构建7种特征组合方案,基于随机森林算法和支持向量机对农耕区土地利用信息进行提取并对比验证分类精度。研究结果表明:通过特征优选的随机森林算法进行土地利用信息提取效果最佳,总体精度达到88.24%,Kappa系数为0.84,精度优于相同特征变量下的支持向量机分类方法。该方法能够有效提高农耕区土地利用分类精度,可为土地资源监测、管理提供技术支持和理论参考。

关 键 词：随机森林算法  土地利用分类 农耕区  特征优选  Sentinel-2  红边指数  

分 类 号：S25]