测绘通报２０２３年第２期引文格式：张永彬，刘雅辉，刘明月，等．基于ＲｅｌｉｅｆＦ与卷积神经网络的湿地植物群落精细分类［Ｊ］．测绘通报，２０２３（２）：５８⁃６４．ＤＯＩ：１０．１３４７４／ｊ．ｃｎｋｉ．１１⁃２２４６．２０２３．００４１．基于ＲｅｌｉｅｆＦ与卷积神经网络的湿地植物群落精细分类张永彬１，刘雅辉１，刘明月１，２，３，４，满卫东１，２，３，４，宋唐雷１，李春雨１（１．华北理工大学矿业工程学院，河北唐山０６３２１０；２．唐山市资源与环境遥感重点实验室，河北唐山０６３２１０；３．河北省矿区生态修复产业技术研究院，河北唐山０６３２１０；４．河北省矿业开发与安全技术重点实验室，河北唐山０６３２１０）摘要：湿地是陆地生态系统和水生生态系统之间的重要过渡带，准确高效地获取湿地植物群落分布信息对于保护湿地具有深远的意义。本文以无人机多光谱影像为数据源，首先构建包含光谱特征、植被指数和纹理特征的多维特征数据集，并采用ＲｅｌｉｅｆＦ算法进行特征优选，确定最优特征数据集；然后构建基于特征优选的卷积神经网络（ＣＮＮ）分类模型，对最优特征数据集进行分类，并与基于原始多光谱影像的ＣＮＮ和随机森林（ＲＦ）分类方法进行对比。结果表明：①随着特征个数的增加，分类精度先增加后下降，当特征数为３２时分类精度最高；②窗口为１３×１３的ＧＬＣＭ提取的信息熵和同质性等纹理特征及ＧＮＤＶＩ、ＭＳＡＶＩ２、ＲＶＩ等多光谱植被指数重要性较高；③基于最优特征数据集的ＣＮＮ分类模型，能够有效提取空间光谱信息，抑制“椒盐现象”的产生，分类效果最佳，总体精度达９３.４０％，与未进行特征优选的ＲＦ和ＣＮＮ分类模型相比分别提高了９.８０％和７.４０％。关键词：无人机多光谱；卷积神经网络；特征优选；湿地精细分类中图分类号：Ｐ２３文献标识码：Ａ文章编号：０４９４⁃０９１１（２０２３）０２⁃００５８⁃０７ＷｅｔｌａｎｄｐｌａｎｔｃｏｍｍｕｎｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎＲｅｌｉｅｆＦａｎｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋＺＨＡＮＧＹｏｎｇｂｉｎ１，ＬＩＵＹａｈｕｉ１，ＬＩＵＭｉｎｇｙｕｅ１，２，３，４，ＭＡＮＷｅｉｄｏｎｇ１，２，３，４，ＳＯＮＧＴａｎｇｌｅｉ１，ＬＩＣｈｕｎｙｕ１（１．ＣｏｌｌｅｇｅｏｆＭｉｎｉｎｇＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆ...
