System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及桉树人工林提取,尤其涉及基于relieff和aco特征的桉树林面积提取方法。
技术介绍
1、桉树原产于澳大利亚,因其快速生长的特性,已被广泛种植于世界各地作为纸浆、木材和生物能源的主要原料。然而,桉树的种植与管理面临多个挑战。首先,随着桉树种植面积的增加,它对当地的生态环境、水资源和土壤可能产生不可忽视的影响。其次,桉树可能会受到各种新的疾病和害虫的威胁。因此,需要一种准确、高效的方法对桉树人工林空间分布进行评估和监测。
2、传统的桉树资源评估和健康监测主要依赖于现场调查,这种方法不仅耗时耗力,而且在大规模、广泛的地域上难以实施。遥感技术可以更快速、更高效地进行桉树种植面积的估算。然而单一遥感影像往往受到各种因素的影响而无法准确反映复杂的地面特征。如光学遥感数据容易受到大气和光照条件的影响,而合成孔径雷达(synthetic apertureradar,sar)数据处理难度较大,并且对于某些地物特征的反应可能不如光学数据敏感。并且,结合多特征变量能够有效区分裸土、稀疏植被和茂盛植被,提高分类精度,然而综合多特征变量的方法虽然可以丰富特征变量,但也会带来信息冗余的问题。因此,需要进行特征优选确定最优特征子集。relieff是过滤式算法的代表,其具有结构简单,效率高等特点,但未考虑特征变量间相关性高的问题。蚁群优化算法(ant colony optimization,aco)是一种模拟自然界蚁群觅食行为的启发式算法,广泛应用于各种组合优化问题中。其具有全局搜索以及动态搜索等优点,能够在特征的大搜索空间中找到
3、针对于不同的分类场景和植被类型,现有单一机器学习算法的泛化能力并不稳定,提取分类的准确度效率较低。
技术实现思路
1、本专利技术的目的在于提供基于relieff和aco特征的桉树林面积提取方法,旨在解决现有单一机器学习算法进行桉树人工林提取分类,准确度效率较低的问题。
2、为实现上述目的,本专利技术提供了基于relieff和aco特征的桉树林面积提取方法,包括以下步骤:
3、对林区进行普查,确认种植区域面积和桉树种植区域,并进行分类样本的选取,得到影像数据源;
4、对所述影像数据源进行预处理,计算植被特征变量并堆栈,得到特征集;
5、利用relieff算法对所述特征集选择优先特征子集,并利用aco算法对所述特征子集进行搜索,得到二次特征子集;
6、将所述二次特征子集输入snic超像素分割算法进行分割,得到分割影像;
7、基于堆栈集成学习模型对所述分割影像进行桉树人工林提取分类,得到分类结果;
8、基于混淆矩阵对所述分类结果进行精度评定,并对精度进行验证。
9、其中,所述对林区进行普查,确认种植区域面积和桉树种植区域,并进行分类样本的选取,得到影像数据源的具体方式:
10、对研究区的林区进行普查,确定森林种植区域面积和林区内的植被种类;
11、通过无人机影像确定林区桉树种植区位置;
12、利用高分辨率遥感影像进行分类样本的选取,得到影像数据源。
13、其中,所述预处理为遥感影像预处理,对光学影像进行辐射定标、大气校正和几何校正。
14、其中,所述特征变量包括光谱特征、植被指数特征、红边特征和纹理特征,所述光谱特征为选取的遥感影像所有光谱波段,所述植被指数特征选择4种具有代表性的植被指数,所述红边特征选择6种具有代表性的红边指数,所述纹理特征通过灰度共生矩阵计算得到。
15、其中,所述snic超像素分割需要设置分割参数,所述分割参数size、compactness、connectivity和seed,所述size是超像素种子位置的基于像素的间距,所述compactness表示致密程度,所述connectivity代表连通性,所述seed为分割中心的图像元素的数量,且所述size和所述seed只需要设置一个。
16、本专利技术的基于relieff和aco特征的桉树林面积提取方法,对林区进行普查,确认种植区域面积和桉树种植区域,并进行分类样本的选取,得到影像数据源;对所述影像数据源进行预处理,计算植被特征变量并堆栈,得到特征集;利用relieff算法对所述特征集选择特征子集,并利用aco算法对所述特征子集进行搜索,得到二次特征子集;将所述二次特征子集输入snic超像素分割算法进行分割,得到分割影像;基于堆栈集成学习模型对所述分割影像进行桉树人工林提取分类,得到分类结果;基于混淆矩阵对所述分类结果进行精度评定,并对精度进行验证,该方法通过实地普查确定桉树人工林的实地分布,然后利用谷歌高清影像以及无人机影像进行样本的选取,通过多特征变量结合以及relieff和aco的特征优选方法搜索最优特征子集,以减少信息冗余的情况以及提高分类精度,并利用面向对象snic超像素分割以及堆栈集成模型进行桉树人工林提取,最后通过混淆矩阵以及无人机影像对分类结果进行精度评定,再次提高分类准确度,解决现有单一机器学习算法进行桉树人工林提取分类,准确度效率较低的问题。
本文档来自技高网...【技术保护点】
1.基于ReliefF和ACO特征的桉树林面积提取方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于ReliefF和ACO特征的桉树林面积提取方法,其特征在于,
3.如权利要求1所述的基于ReliefF和ACO特征的桉树林面积提取方法,其特征在于,
4.如权利要求1所述的基于ReliefF和ACO特征的桉树林面积提取方法,其特征在于,
5.如权利要求1所述的基于ReliefF和ACO特征的桉树林面积提取方法,其特征在于,
【技术特征摘要】
1.基于relieff和aco特征的桉树林面积提取方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于relieff和aco特征的桉树林面积提取方法,其特征在于,
3.如权利要求1所述的基于relieff和ac...
【专利技术属性】
技术研发人员:林小棋,任超,李毅,岳韦霆,尹安超,梁洁玉,魏振魁,
申请(专利权)人:桂林理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。