基于无人机高光谱影像和机器学习的红树林树种精细分类

利用海南省文昌市清澜港红树林保护区的无人机高光谱影像,采用递归特征消除的随机森林算法（Recursive Feature Elimination-Random Forest,RFE-RF）优选植被光谱特征和纹理特征,通过机器学习中的随机森林（Random Forest,RF）和支持向量机（Support Vector Machine,SVM）算法对研究区内的红树林树种进行精细分类,并对比分析和评价分类模型参数设置对总体精度的影响。结果表明：RF分类方法的总体精度为92.70%、 Kappa系数为0.91,与传统的SVM 分类方法相比,RF算法均提高了5类树种的生产者精度和使用者精度,能够有效地对红树林树种进行精细分类,可为种植资源规划和生态环境保护等方面提供技术支持。