河三角洲沿海湿地的分类与多源和多特征整合
Tailong Shi1, Chang Wang2, Wen Zhang1
1School of Civil Engineering, University of Science and Technology Liaoning, Anshan, China.
Environmental monitoring and assessment
|February 5, 2025
概括
这项研究使用谷歌地球引擎和随机森林优化了河三角洲的湿地分类. 特性选择提高了准确度,达到88.56%,优于其他方法.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 生态生态学 生态生态学
背景情况:
- 沿海湿地是生物多样性和生态服务至关重要的高生产力生态系统.
- 准确的空间土地利用分析对于有效的湿地管理至关重要.
- 河三角洲的湿地需要一个强大的分类系统来监测.
研究的目的:
- 分析河三角洲湿地的土地使用空间分布.
- 开发一个综合的湿地分类系统,使用多源数据和谷歌地球引擎 (GEE).
- 优化特征选择,以提高湿地分类准确度.
主要方法:
- 在谷歌地球引擎中利用 Sentinel 1, Sentinel 2 和数字海拔模型 (DEM) 数据.
- 使用随机森林 (RF) 的递归特征消除 (RFE) 进行最佳特征选择.
- 使用随机森林算法对湿地进行分类,并评估分类性能.
主要成果:
- 获得了 88.56% 的整体分类准确率和 0.8472.2 的卡帕系数.
- 与使用所有功能相比,优化的功能提高了整体准确率3.83%,Kappa提高了0.0525.
- 随机森林 (RF) 算法比其他机器学习方法表现出更高的性能.
结论:
- 特性优化显著提高了河三角洲湿地分类的准确性.
- 与RF集成的多源数据方法对湿地绘制有效.
- 这项研究为湿地监测和管理提供了有价值的方法.
