| 一种基于集成学习的城市新增建设用地快速提取方法 |
| |
| 引用本文： | 杜培军,梁昊,王欣,栗云峰.一种基于集成学习的城市新增建设用地快速提取方法[J].环境监控与预警,2019,11(5):39-45. |
| |
| 作者姓名： | 杜培军 梁昊 王欣 栗云峰 |
| |
| 作者单位： | 南京大学地理与海洋科学学院,自然资源部国土卫星遥感应用重点实验室,江苏省地理信息技术重点实验室,江苏 南京 210023;南京大学地理与海洋科学学院,自然资源部国土卫星遥感应用重点实验室,江苏省地理信息技术重点实验室,江苏 南京 210023;南京大学地理与海洋科学学院,自然资源部国土卫星遥感应用重点实验室,江苏省地理信息技术重点实验室,江苏 南京 210023;南京大学地理与海洋科学学院,自然资源部国土卫星遥感应用重点实验室,江苏省地理信息技术重点实验室,江苏 南京 210023 |
| |
| 基金项目： | 国家自然科学基金重点项目（41631176） |
| |
| 摘 要： | 城市新增建设用地是热岛效应调控、大气污染和扬尘管控、生态服务变化的重要指示信息。为准确提取新增建设用地,提出一种运用多时相Sentinel遥感数据和集成学习算法的城市新增建设用地快速提取方法。基于多时相Sentinel-1和Sentinel-2遥感影像提取光谱特征、纹理特征和后向散射特征,进行面向对象分割、全域均值滤波和归一化后得到组合特征集,运用随机森林、旋转森林、支持向量机和极限学习机多分类器集成学习进行分类来提取新增建设用地。提取了南京市2017年4月至10月间的新增建设用地并统计了各行政区分布的面积,提取整体精度达0. 95,Kappa系数达0. 88。相比与基于像素方法,面向对象技术可有效降低"椒盐现象",提高斑块完整性;与分类后提取方法比较,直接变化提取方法可减少误差产生环节及误差累积,从而降低系统误差,提高提取精度。
|
| 关 键 词： | 遥感影像 集成学习 面向对象图像分析 建设用地 变化检测 |
| 收稿时间： | 2019/8/19 0:00:00 |
| 修稿时间： | 2019/8/29 0:00:00 |
A New Urban Built up Land Extraction Method Based on Ensemble Learning |
| |
| DU Pei-jun,LIANG Hao,WANG Xin,LI Yun-feng.A New Urban Built up Land Extraction Method Based on Ensemble Learning[J].Environmental Monitoring and Forewarning,2019,11(5):39-45. |
| |
| Authors: | DU Pei-jun LIANG Hao WANG Xin LI Yun-feng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《环境监控与预警》浏览原始摘要信息 |
| 点击此处可从《环境监控与预警》下载免费的PDF全文 |
|
