基于特征优选的GF-3全极化数据积雪识别

作者：马腾耀,肖鹏峰,张学良,马威,郭金金

摘要：以新疆阿尔泰山南麓克兰河流域典型区为研究区,利用GF-3全极化数据进行积雪探测,提出了一种基于特征优选的积雪识别方法。首先通过极化分解获取了GF-3数据的22个极化特征,并利用随机森林方法计算各特征的重要性,构建特征优选规则生成最优特征集,然后基于最优特征集对积雪进行识别。分析特征的重要性发现,同极化后向散射系数对积雪识别的贡献比交叉极化的贡献大,面散射和体散射对积雪识别的贡献比二面角散射贡献大。将该方法与最大似然法、支持向量机、BP神经网络3种分类器的对比发现,使用最优特征集并且利用随机森林方法的积雪识别精度最高(F指数为0.86,总体精度为0.79)。结果表明:基于特征优选进行积雪识别,不仅使得积雪识别效率得到提高,而且保持精度不变甚至有所增加,证明了该方法在积雪识别中的有效性。

发文机构：南京大学地理与海洋科学学院

关键词：积雪识别GF-3极化分解特征优选随机森林Snow cover recognitionGF-3Polarization decompositionFeatures selectionRandom Forest

分类号： TP181[自动化与计算机技术—控制理论与控制工程]