基于面向对象分类方法的南方山区猕猴桃园提取
赵怡凝1
田尊华2
王莹莹1
段良霞1
谢红霞1
周清1
1.湖南农业大学 资源学院,湖南 长沙 4101282.湖南航天宏图无人机系统有限公司,湖南 长沙 410100
摘要：为准确掌握猕猴桃种植区分布信息,选取湖南省永顺县松柏镇为试验区,基于国产GF-6,构建了融合多时相特征与纹理特征的面向对象随机森林分类模型,系统比较了单时相特征(7月)、单时相+纹理特征、多时相(5、7、9月)+纹理特征12种特征组合下的分类性能.结果表明,多时相+纹理特征组合分类模型在猕猴桃园提取中表现较优,可实现研究区猕猴桃园的高精度识别.多时相特征是提升分类精度的关键因素,相较于单时相+纹理特征组合(RF2—RF6),引入多时相特征后(RF7—RF12),F值从89.35%～91.09%提升至91.59%～93.48%,总体精度(OA)从83.65%～87.33%提升至91.00%～93.18%,Kappa系数从0.78～0.80提升至0.86～0.90.相较于单时相特征(RF1),单时相+纹理特征组合对分类精度提升有限,F值最高仅提升1.03百分点,Kappa系数最大仅为0.80.在不同纹理+多时相特征组合中,基于Energy统计量提取的小波纹理(RF9)表现最优,RF9的F值和OA分别达到93.48%和93.18%,相对于GLCM纹理(RF8)分别提高1.89、2.04百分点,相对于多时相特征(RF7)分别提高1.59、2.18百分点.表明利用多时相+小波纹理特征组合的面向对象随机森林分类方法是复杂山区猕猴桃园高精度提取的有效途径.
关键词：猕猴桃园面向对象时序特征小波纹理随机森林
分类号：S127(农业物理学)TP79(遥感技术)
资助基金：国家自然科学基金(42177322)
论文发表日期：2026-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：12( 136-147 )
英文信息