基于随机森林LULC分类及生态环境评估

最新推荐文章于 2023-02-12 10:28:31 发布
最新推荐文章于 2023-02-12 10:28:31 发布
阅读量1.7k 收藏 16
点赞数 3
文章标签： 机器学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44212065/article/details/104229200
版权

基于随机森林算法分类地表地物。
地物分类图，分类名称见下次博客RSEI模型评估。
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述DNVI计算之前图像需要经过预处理，本次试验在envi中进行，若用envi bandmath需要浮点型处理。
在这里插入图片描述在这里插入图片描述缨帽变换ENVI中提供只到EMT,ETM+,若是OLI数据需下载插件。

在这里插入图片描述在这里插入图片描述
公式的计算要用浮点型

影伴人久@
关注
  • 3
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Google Earth Engine（GEE）—— LULC 土地分类
qq_31988139的博客
08-20 1511
Landsat 4 TM Collection 1 Tier 2 DN值，代表缩放的、校准的传感器辐射度。在处理过程中不符合第1级标准的场景被分配到第2级。这包括系统地形（L1GT）和系统（L1GS）处理的场景，以及任何L1TP场景，这些场景由于严重的云层覆盖、地面控制不足和其他因素而不符合第1级规格。对第2级场景感兴趣的用户可以分析RMSE和其他属性，以确定是否适合用于个人应用和研究。更多信息见美国地质调查局的文件。影像整体的效果缺失严重（Landsat3）...
ENVI随机森林分类插件
10-02
该资源为ENVI-IDL开发的最新随机森林分类插件，将相应文件放在指定目录下即可实现操作。
GEE平台LULC分类_landsat8__LULC_gee_GEE平台_gee分类
09-11
基于Landsat8卫星影像数据，在GEE平台中的监督分类
LUCC分类体系.doc
03-07
LUCC分类土地利用体系，六个一级地类，耕地、林地、草地、水域、建设用地、未利用地。二十六个二级地类是根据6个一级类重新分了类，可用于土地利用变化研究分析使用。
中科院LUCC分类体系
01-14
中科院LUCC分类体系，主要用于土地利用类型划分
基于遥感和GIS的土地利用/土地覆被分类准确性评估
06-05
这项研究包括两个部分（1）土地利用/土地覆被（LULC）分类和（2）准确性评估。 在这项研究中，监督分类是使用非参数规则进行的。 土地利用，土地利用的变化和变化的主要类别是农业（65.0％），水体（4.0％）和建成...
GEE平台LULC分类_landsat8__LULC_gee_GEE平台_gee分类.zip
10-11
GEE平台LULC分类_landsat8__LULC_gee_GEE平台_gee分类.zip
论文研究 - 土地利用，土地覆盖变化检测和森林砍伐模型：埃塞俄比亚贝尔地区Delomena区
05-22
土地变化模块用于基于2000年到2015年之间的过渡（沿三个行驶变量（道路距离，居民点和土壤））来预测森林砍伐。 六个土地利用土地覆被分类分为三个时期。 结果表明，2000年，2010年和2015年的森林面积分别为91,339...
随机森林 影像分类.rar
08-27
自己搜集的随机森林 影像分类的论文，希望能帮助到大家
Random Forests and Ferns 决策树、随机森林、蕨类分类 的介绍 蕨类分类TLD算法中到的一部分
01-10
Random Forests and Ferns 决策树、随机森林、蕨类分类 的介绍 蕨类分类TLD算法中到的一部分 TLD中用到的不是随机森林而是蕨类分类！SEMI-NAIVE BAYES 半朴素贝叶斯分类方法 具有快速简单的特点
ENVIRandomForestClassification.zip
08-29
ENVI 随机森林包ENVI 随机森林包ENVI 随机森林包ENVI 随机森林包ENVI 随机森林包ENVI 随机森林包
Random Forest随机森林
09-30
Random Forest 即随机森林的原理介绍
ENVI 分类方法教程及数据
10-27
ENVI 分类方法教程及数据，包含步骤方法文档以及实验数据。
NACP_LULC_Change
02-17
NACP_LULC_Change
遥感影像LUCC分类方法综述
mmarlon的专栏
06-23 2846
一、传统的分类方法计算机自动分类通常分为：非监督分类和监督分类两种。常见的非监督分类方法有：K-均值、ISODATA(迭代自组织数据分析)；监督分类是在有先验知识的条件下，先选择训练样区、根据已知的像元数据求出参数，确定各类判别函数的形式，然后利用判别函数对未知像元进分类。常用的监督分类方法有：MLC（最大似然法）、NMC（最小距离法）、光谱角分类法（SAC）。有时计算机自动分类分为：参数型( Parametric)和非参数型(Nonparametric) 两种。参数型分类器假设呈现某种概率分布，其方法有M
Envi监督分类，主要是随机森林分类
guaicaicexu的博客
04-14 1万+
目前精度较高的方法主要是支持向量机分类和随机森林分类。所以废话不多说，直接上干货 1.打开envi，加载影像，主要以land sat8为例，直接打开以MTL为后缀的文件 如果打不开的话，就是头文件有问题，可以把各个波段的tif文件加载进来，进行波段合成。 2.打开头文件后，之后要进行数据的预处理，分别是辐射定标和大气校正。 3.首先是辐射定标在tool box 中直接搜索radiometric，如下图 双击打开，共有7个波段，点击OK，具体设置如图 设置输出路径，不要有中文 4.大气校正，在toolbox
如何用envi随机森林做特征优选
weixin_42607969的博客
02-12 1166
随机森林是一种常用的机器学习方法，可以用于特征选择。 在 ENVI 软件中，您可以使用随机森林算法来实现特征选择，具体步骤如下： 导入您的数据：您需要选择一个数据集，并将其导入 ENVI。 准备数据：您可以使用 ENVI 的预处理功能对数据进行标准化，归一化等操作。 选择随机森林算法：您可以在 ENVI 的机器学习模块中选择随机森林算法。 训练模型：您可以在 ENVI 中训练随机森林模型，...
ENVI5.6新增机器学习-新机器学习遥感分类工具介绍
weixin_44906759的博客
11-17 4559
ENVI5.6.3新增机器学习工具包，该功能不需要额外的许可，只需安装ENVI深度学习2.0版本应用程序，用ENVI主模块的许可便可使用新机器学习的功能。 ENVI新机器学习工具包，可以对栅格数据进行快速分类，如异常检测、监督分类和分监督分类；也可以在一个或多个数据上选择样本，生成训练模型，并用该模型对其他图像进行分类；还可以使用ENVI Modeler构建对多个栅格数据进行分类的工作流。
ENVI提取植被指数（NDVI）的两种方法
热门推荐
qq_43173805的博客
08-21 2万+
植被指数(NDVI)能反映出植物冠层的背景影响，如土壤、潮湿地面、雪、枯叶、粗糙度等，且与植被覆盖有关。虽然NDVI对土壤背景的变化较为敏感，但由于NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力，是目前已有的40多种植被指数中应用最广的一种。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。 其他常用的植被指数还包括比值植被指数（RNI，Ratio Vegetation Index）、差值植被指数（DVI，Dif.
在gee中做森林覆盖交叉验证
最新发布
09-10
在Google Earth Engine (GEE) 中进行森林覆盖的交叉验证可以通过以下步骤实现： 1. 数据获取：使用GEE的数据集合 (Dataset) 来获取具有高质量森林分类信息的卫星影像。有多个数据集合可以选择，如Landsat、MODIS等。 2. 选择训练样本：使用兴趣区域 (ROI) 工具，在遥感影像上选择代表森林覆盖和非森林覆盖的区域样本。确保选择的样本能够准确地代表不同的土地覆盖类型。 3. 数据预处理：对所选择的训练样本进行预处理，例如裁剪、投影变换和云去除等。确保样本数据的质量和一致性，以提高分类模型的准确性。 4. 特征提取：从预处理的训练样本中提取具有代表性的特征。常见的特征包括植被指数 (如NDVI)、土地利用/土地覆盖指数 (如LULC)等。 5. 创建分类模型：使用已准备好的训练样本和相应的特征数据，使用机器学习方法（如决策树、随机森林等）创建分类模型。 6. 交叉验证：使用交叉验证技术将样本数据集分为训练集和测试集。训练集用于模型的训练，测试集用于评估模型的准确性和泛化能力。 7. 模型评估：使用测试集对分类模型进行评估，计算分类结果的准确性指标（如精度、召回率等），并与已有的地面真实调查数据进行对比。 8. 结果解释和改进：根据评估结果，对模型进行解释和改进。重新选择特征、调整参数或考虑使用其他机器学习算法以优化模型的预测准确性。 通过以上步骤，可以在GEE中实施森林覆盖的交叉验证，并获得一种可靠的分类模型，用于准确地预测森林覆盖的分布和变化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值