摘要
本发明提出了一种城市常绿森林与落叶森林提取方法,包括以下步骤:a)对城市遥感数据进行预处理;b)在数据中找到城市边界,之后在边界内选择地面样本点;将样本点按7:3比例划分为训练集与验证集;c)提取遥感数据的光谱特征,利用灰度共生矩阵(GLCM)提取纹理特征,采用时间序列谐波分析(HANTS)提取物候特征,构建特征数据集;d)基于训练集和特征数据集,构建训练样本数据集;e)建立机器学习模型;f)基于训练样本数据集,训练机器学习模型;g)使用训练好的机器学习模型进行分类,对分类结果进行精度评价;h)获取城市常绿森林与落叶森林所占的面积。本发明提高了城市常绿森林与落叶森林提取的精度。
技术关键词
训练样本数据
城市建设用地
归一化植被指数
物候特征
卫星遥感影像数据
灰度共生矩阵
短波红外
纹理特征
训练机器学习模型
卫星遥感数据
标签
分辨率
农田
多光谱
精度
水体
序列
系统为您推荐了相关专利信息
滚动轴承故障诊断
训练样本数据
工业大数据技术
轻量级深度学习
故障特征学习
网络拓扑结构
强化学习算法
生成网络拓扑
多任务
在线
聚乙烯燃气管道
响应预测方法
PE燃气管道
训练样本数据
力学
预训练模型
样本检测方法
音频特征
训练样本数据
多视角