Selección de funciones de teledetección de series temporales de múltiples fuentes y extracción de bosques urbanos basada en colonias de abejas artificiales mejoradas

Los bosques urbanos mantienen el equilibrio ecológico de las ciudades y son importantes para promover el desarrollo sostenible de las ciudades. Por lo tanto, es muy importante utilizar tecnología avanzada de detección remota para extraer con precisión las áreas verdes forestales en la ciudad y monitorear su cambio en tiempo real.

Tomando a Nanjing como el área de estudio, esta investigación extrajo 55 características fenológicas de la vegetación de las imágenes de la serie temporal Sentinel-2A y formó un conjunto de características que contiene 81 parámetros junto con 26 características, incluida información relacionada con la textura y la polarimetría extraída de datos de polarización dual Sentinel-1A. Sobre la base del método mejorado de selección de características ABC (ABC-LIBSVM), se seleccionó el subconjunto de características óptimo y se describieron con precisión las áreas de cobertura forestal en el área de estudio. Para verificar la viabilidad del método mejorado de selección de características y explorar el potencial para el desarrollo de sensores remotos de series temporales de fuentes múltiples para la extracción de características de bosques urbanos, este documento también utilizó el modelo de clasificación aleatoria de bosques para clasificar cuatro conjuntos de características diferentes.

Los resultados revelaron que la precisión de la clasificación basada en el conjunto de características obtenido por el algoritmo ABC-LIBSVM fue la más alta, con una precisión general del 86,80 % y un coeficiente kappa de 0,8145. La precisión del productor y la precisión del usuario del bosque urbano fueron 93,21% y 82,45%, respectivamente. Además, al combinar las imágenes ópticas Sentinel-2A de serie temporal de múltiples fuentes con imágenes SAR de doble polarización Sentinel-1A, los bosques urbanos se pueden distinguir desde la perspectiva de la fenología, y las características relacionadas con la polarimetría y la textura pueden contribuir a la identificación precisa de bosques.

Título Original:

"Multi-Source Time Series Remote Sensing Feature Selection and Urban Forest Extraction Based on Improved Artificial Bee Colony"

Autor/es: