基于随机森林特征优选的冬小麦分类方法

doi:10.13474/j.cnki.11-2246.2022.0080

测绘通报 ›› 2022, Vol. 0 ›› Issue (3): 70-75.doi: 10.13474/j.cnki.11-2246.2022.0080

基于随机森林特征优选的冬小麦分类方法

冯志立¹, 肖锋², 卢小平¹, 郝波³, 王如意³, 朱睿³

1. 河南理工大学自然资源部矿山时空信息与生态修复重点实验室, 河南焦作 454003;
2. 河南测绘工程院, 河南郑州 450003;
3. 郑州智象测绘信息技术有限公司, 河南郑州 450003

收稿日期:2021-03-29 出版日期:2022-03-25 发布日期:2022-04-01
通讯作者: 卢小平。E-mail:hpuluxp@163.com
作者简介:冯志立(1997-),男,硕士生,研究方向为摄影测量与遥感技术。E-mail:1619448670@qq.com
基金资助:
国家重点研发计划重点专项(2016YFC0803103)

Winter wheat classification method based on feature optimization of random forest

FENG Zhili¹, XIAO Feng², LU Xiaoping¹, HAO Bo³, WANG Ruyi³, ZHU Rui³

1. Key Laboratory of Mine Temporal and Spatial Information and Ecological Restoration, Ministry of Natural Resources, Henan University of Technology, Jiaozuo 454003, China;
2. Henan Institute of Surveying and Mapping Engineering, Zhengzhou 450003, China;
3. Zhengzhou Zhixiang Surveying and Mapping Information Technology Co., Ltd., Zhengzhou 450003, China

Received:2021-03-29 Online:2022-03-25 Published:2022-04-01

摘要/Abstract

摘要： 本文基于多时相Landsat 8 OLI数据,进行综合光谱、植被指数的特征提取与特征选择的方法研究。通过分析光谱与植被指数特征时序变化,提取最佳时相光谱,构建小麦提取特征;采用基于重要性与Pearson相关性的随机森林特征选择算法优选特征。结果表明:利用优选特征分类时,总体精度为89.78%,小麦分类精度为98.33%;与优选前特征的分类结果相比,精度分别提高了2.96%、2.55%;基于重要性与Pearson相关性的随机森林特征选择提高了分类精度和分类器工作效率。

关键词: 特征选择;随机森林;Pearson相关性;冬小麦

Abstract: Based on the multi-temporal Landsat 8 OLI data,this paper conducts research on the feature extraction and feature selection methods of comprehensive spectral features and vegetation index features.By analyzing the temporal changes of the spectral and vegetation index features,the optimal time-phase spectrum is extracted,and the wheat extraction features are constructed.A random forest feature selection algorithm based on importance and Pearson correlation is used to select features and classify them.The results show that:when using the selected features to classify,the overall accuracy of classification is 89.78%,and the classification accuracy of wheat is 98.33%.Compared with the classification results of the features before optimization,the classification accuracy is increased by 2.96% and 2.55%,respectively.Random forest feature selection based on importance and relevance not only improves the classification accuracy,but also improves the efficiency of the classifier.

Key words: feature selection;random forest;Pearson correlation;winter wheat extraction

中图分类号:

P237

冯志立, 肖锋, 卢小平, 郝波, 王如意, 朱睿. 基于随机森林特征优选的冬小麦分类方法[J]. 测绘通报, 2022, 0(3): 70-75.

FENG Zhili, XIAO Feng, LU Xiaoping, HAO Bo, WANG Ruyi, ZHU Rui. Winter wheat classification method based on feature optimization of random forest[J]. Bulletin of Surveying and Mapping, 2022, 0(3): 70-75.

参考文献

[1] 王娜,李强子,杜鑫,等.单变量特征选择的苏北地区主要农作物遥感识别[J].遥感学报, 2017, 21(4):519-530.
[2] 胡琼,吴文斌,宋茜,等.农作物种植结构遥感提取研究进展[J].中国农业科学, 2015, 48(10):1900-1914.
[3] ZHENG Baojuan, MYINT S W, THENKABAIL P S, et al. A support vector machine to identify irrigated crop types using time-series Landsat NDVI data[J]. International Journal of Applied Earth Observation and Geoinformation, 2015, 34:103-112.
[4] FOERSTER S, KADEN K, FOERSTER M, et al. Crop type mapping using spectral-temporal profiles and phenological information[J]. Computers and Electronics in Agriculture, 2012, 89(3):30-40.
[5] 刘吉凯,钟仕全,梁文海.基于多时相Landsat 8 OLI影像的作物种植结构提取[J].遥感技术与应用, 2015, 30(4):775-783.
[6] 马超,杨飞,王学成.基于中尺度光谱和时序物候特征提取南方丘陵山区茶园[J].国土资源遥感, 2019, 31(1):141-148.
[7] 王文静,张霞,赵银娣,等.综合多特征的Landsat 8时序遥感图像棉花分类方法[J].遥感学报, 2017, 21(1):115-124.
[8] 胡琼.基于时序MODIS影像的农作物遥感识别方法研究[D].北京:中国农业科学院, 2018.
[9] 陈安旭,李月臣.基于Sentinel-2影像的西南山区不同生长期水稻识别[J].农业工程学报, 2020, 36(7):192-199.
[10] 刘杰,刘吉凯,安晶晶,等.基于时序Landsat 8 OLI多特征与随机森林算法的作物精细分类研究[J].干旱地区农业研究, 2020, 38(3):281-288.
[11] 王李娟,孔钰如,杨小冬,等.基于特征优选随机森林算法的农耕区土地利用分类[J].农业工程学报, 2020, 36(4):244-250.
[12] 杨蕙宇,王征强,白建军,等.基于多特征提取与优选的冬小麦面积提取[J].陕西师范大学学报(自然科学版), 2020, 48(1):40-49.
[13] 赵晓晴,王萍,荆林海,等.时序Sentinel-2A影像光谱特征的茶园提取应用[J].测绘科学, 2020, 45(6):80-88.
[14] 靳宁,张东彦,李振海,等.基于多光谱卫星模拟波段反射率的冬小麦水分状况评估[J].农业机械学报, 2020, 51(11):243-252.
[15] 张莹.基于多季相Landsat-8 OLI影像的多特征森林植被分类[D].北京:北京林业大学, 2018.
[16] 史蕾.面向对象的高分辨率遥感影像特征选择与分类研究[D].武汉:武汉大学, 2018.
[17] 张磊,宫兆宁,王启为,等. Sentinel-2影像多特征优选的黄河三角洲湿地信息提取[J].遥感学报, 2019, 23(2):313-326.
[18] RODRIGUEZ-GALIANO V F, GHIMIRE B, ROGAN J, et al. An assessment of the effectiveness of a random forest classifier for land-cover classification[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 67:93-104.
[19] 王猛,张新长,王家耀,等.结合随机森林面向对象的森林资源分类[J].测绘学报, 2020, 49(2):235-244.
[20] FRAIWAN L, LWEESY K, KHASAWNEH N, et al. Automated sleep stage identification system based on time-frequency analysis of a single EEG channel and random forest classifier[J]. Computer Methods and Programs in Biomedicine, 2012, 108(1):10-19.
[21] 侯蒙京,殷建鹏,葛静,等.基于随机森林的高寒湿地地区土地覆盖遥感分类方法[J].农业机械学报, 2020, 51(7):220-227.
[22] 张良均,谭立云,刘名军. Python数据分析与挖掘实战[M]. 2版.北京:机械工业出版社, 2020.
[23] EDELMANN D, MÓRI T F, SZÉKELY G J. On relationships between the Pearson and the distance correlation coefficients[J]. Statistics&Probability Letters, 2021, 169:108960.

基于随机森林特征优选的冬小麦分类方法

Winter wheat classification method based on feature optimization of random forest

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[7]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[8]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[9]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[10]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[11]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[12]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[13]	李佳豪, 周吕, 马俊, 杨飞, 咸凌霄. 利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J]. 测绘通报, 2022, 0(4): 20-25.
[14]	师芸, 石龙龙, 牛敏杰, 赵侃. 基于单阶段实例分割网络的黄土滑坡多任务自动识别[J]. 测绘通报, 2022, 0(4): 26-31.
[15]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.