结合Sentinel影像与特征优选的山地城市不透水面提取

作者:陈鑫亚; 杨昆; 王加胜
更新时间:

不透水面是影响山区生态环境的重要因素。多源遥感数据融合是提取不透水面的一种重要方法,但它容易造成分类特征的冗余,因此需要对特征进行优化。现有的研究还缺乏对不同特征优化方法在不透水面遥感提取中的对比分析。首先,利用Sentinel-1和Sentinel-2阴影图像的数据提取特征,然后分别基于JM距离、随机森林(RF)模型和ReliefF算法模型进行特征优化,并基于RF分类模型评估不同特征子集的分类精度。最后,提取了2020年昆明市山区城市的不透水表面。结果表明,纹理特征比光谱和地形特征更重要。基于ReliefF算法的特征子集分类具有最高的效率和准确性。与Aristole distance和RF相比,模型训练时间分别缩短了84秒和0.79秒,在Kappa系数的总体精度分别为0.95和0.79,为基于多源数据的地物遥感提取提供了参考。