1. 西安科技大学测绘科学与技术学院
2. 中国科学院空天信息创新研究院
3. 自然资源部国土空间规划研究中心
4. 中国国土勘测规划院
5. 中国人民大学
纸质出版:2024
移动端阅览
徐聪, 于丽君, 柳泽, 等. 基于特色村镇的多源影像最优融合分类方法探讨[J]. 地理空间信息, 2024,22(3):66-71.
徐聪, 于丽君, 柳泽, et al. 基于特色村镇的多源影像最优融合分类方法探讨[J]. 2024, 22(3): 66-71.
特色村镇建设是“乡村振兴”发展战略的重要一环。以浙江省湖州市特色村镇——何村为研究对象,基于多源遥感影像,采用光谱、纹理、几何和指数多种特征变量,设计了6种特征组合方法对比分析多源数据融合方式,并选取面向对象的随机分类方法进行特色村镇地物分类。结果表明,6种特征组合方式均具有较高的地物分类精度,多源数据融合分类精度普遍优于单一数据,高分数据的空间光谱信息与多光谱数据的指数合成影像相结合可使多源数据的分类结果优势最大化。
基于历史地图和多源遥感数据的近百年来洞庭湖区江湖格局演化[D]. 余姝辰.中国地质大学,2021(06)
UAV-based classification of maritime Antarctic vegetation types using GEOBIA and random forest[J]. Sotille Maria E.;Bremer Ulisses F.;Vieira Gonçalo;Velho Luiz F.;Petsch Carina;Auger Jeffrey D.;Simões Jefferson C..Ecological Informatics,2022
Reservoir facies classification based on random forest and geostatistics methods in an offshore oilfield[J]. Rahimi Mehran;Riahi Mohammad Ali.Journal of Applied Geophysics,2022
Classification of Zambian grasslands using random forest feature importance selection during the optimal phenological period[J]. Zhao Yifan;Zhu Weiwei;Wei Panpan;Fang Peng;Zhang Xiwang;Yan Nana;Liu Wenjun;Zhao Hao;Wu Qirui.Ecological Indicators,2022
An evaluation of Guided Regularized Random Forest for classification and regression tasks in remote sensing[J]. Izquierdo-Verdiguier Emma;Zurita-Milla Raúl.International Journal of Applied Earth Observation and Geoinformation,2020
Object-oriented Vegetation Classification Method based on UAV and Satellite Image Fusion[J]. Fuchao Zhao;Xiaoming Wu;Shuai Wang.Procedia Computer Science,2020
Segmentation for Object-Based Image Analysis (OBIA): A review of algorithms and challenges from remote sensing perspective[J]. Mohammad D. Hossain;Dongmei Chen.ISPRS Journal of Photogrammetry and Remote Sensing,2019
Object-oriented mapping of urban trees using Random Forest classifiers[J]. Anne Puissant;Simon Rougier;André Stumpf.International Journal of Applied Earth Observation and Geoinformation,2014
Object Based Image Analysis and Data Mining applied to a remotely sensed Landsat time-series to map sugarcane over large areas[J]. Matheus Alves Vieira;Antonio Roberto Formaggio;Camilo Daleles Rennó;Clement Atzberger;Daniel Alves Aguiar;Marcio Pupin Mello.Remote Sensing of Environment,2012
Object-oriented mapping of landslides using Random Forests[J]. André Stumpf;Norman Kerle.Remote Sensing of Environment,2011
Combining Random Forests and object-oriented analysis for landslide mapping from very high resolution imagery[J]. André Stumpf;Norman Kerle.Procedia Environmental Sciences,2011
ESP: a tool to estimate scale parameter for multiresolution image segmentation of remotely sensed data[J]. Lucian Drǎguţ;Dirk Tiede;Shaun R. Levick.International Journal of Geographical Information Science,2010
Random Forests.[J]. Leo Breiman.Machine Learning,2001
基于多源数据的长江经济带内河港口区位优势度评估[J]. 邹昕宸;牟凤云;王俊秀;陈建坤;田甜.地球信息科学学报,2022(09)
基于随机森林的GF-6 WFV和Landsat8 OLI遥感影像分类比较[J]. 牛全福;傅键恺;陆铭;马亚娜;张曼.地理空间信息,2022(08)
基于多特征随机森林算法的深圳市土地利用分类[J]. 李明洁;王明常;王凤艳;陈学业;丁文.世界地质,2022(03)
基于面向对象随机森林方法的滨海湿地植被分类研究[J]. 宗影;李玉凤;刘红玉.南京师范大学学报(工程技术版),2021(04)
淮北市特色村镇建设探析[J]. 杜红艳.宿州学院学报,2021(11)
基于面向对象结合随机森林模型的Sentinel-2A影像耕地信息提取[J]. 赵士肄;闫金凤;杜佳雪.河南理工大学学报(自然科学版),2023(02)
“在地性”保护:特色村镇保护与改造的认知转向、实施路径和制度建议[J]. 段进;殷铭;陶岸君;姜莹;范拯熙.城市规划学刊,2021(02)
民族地区特色村镇建设的问题与对策——以重庆酉阳为中心[J]. 彭福荣;李德文.贵州民族研究,2021(01)
湘西少数民族特色村镇建设现状、问题及对策研究——基于湘西州浦市镇等四镇调研[J]. 孙沁.西部学刊,2020(13)
基于随机森林的高寒湿地地区土地覆盖遥感分类方法[J]. 侯蒙京;殷建鹏;葛静;李元春;冯琦胜;梁天刚.农业机械学报,2020(07)
结合随机森林面向对象的森林资源分类[J]. 王猛;张新长;王家耀;孙颖;箭鸽;潘翠红.测绘学报,2020(02)
基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究[J]. 耿仁方;付波霖;蔡江涛;陈晓雨;蓝斐芜;余杭洺;李青逊.地球信息科学学报,2019(08)
基于面向对象和随机森林模型的杭州湾滨海湿地植被信息提取[J]. 穆亚南;丁丽霞;李楠;陆琳莹;吴明.浙江农林大学学报,2018(06)
基于小波纹理和随机森林的猕猴桃果园遥感提取[J]. 宋荣杰;宁纪锋;常庆瑞;班松涛;刘秀英;张宏鸣.农业机械学报,2018(04)
面向对象随机森林方法在湿地植被分类的应用[J]. 李方方;刘正军;徐强强;任海成.遥感信息,2018(01)
基于多目标遗传随机森林特征选择的面向对象湿地分类[J]. 刘舒;姜琦刚;马玥;肖艳;李远华;崔璨.农业机械学报,2017(01)
基于多源遥感数据的森林火灾监测及火烧迹地冠层含水量反演方法研究[D]. 饶月明.北京林业大学,2020(06)
0
浏览量
125
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621