BriefGPT - AI 论文速递
·
利用 Random Forests 集合对融合的 Sentinel-1 和 Sentinel-2 影像进行土地利用 / 土地覆盖分类
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究探索了合成孔径雷达和可见-近红外-短波红外成像技术在土地利用/土地覆盖分类中的协同组合。通过引入随机旋转来提高分类器的效能，并比较不同旋转方法的性能。实验结果表明，基于SRP的RFE在前两个数据集上表现最佳，基于CRP的RFE在最后三个数据集上表现出色。将纹理与SAR波段相结合，整体kappa值最大增加了10%，将纹理添加到VNIR-SWIR波段上，整体kappa值最大增加了约3.45%。
🎯
关键要点
- 该研究探索了合成孔径雷达（SAR）和可见-近红外-短波红外（VNIR-SWIR）成像技术在土地利用/土地覆盖分类中的协同组合。
- 研究通过集成随机森林（RFE）的方法，引入随机旋转以提高分类器的效能。
- 实验结果显示，基于SRP的RFE在前两个数据集上表现最佳，平均kappa值为61.80%和68.18%。
- 基于CRP的RFE在最后三个数据集上表现出色，平均kappa值分别为95.99%、96.93%和96.30%。
- 将纹理与SAR波段相结合，整体kappa值最大增加了10%。
- 将纹理添加到VNIR-SWIR波段上，整体kappa值最大增加了约3.45%。
➡️
