基于高光谱数据的碳酸盐岩岩性识别决策树模型研究
摘要
高光谱遥感因其丰富的多波段光谱信息，在地质研究中得到广泛应用。目前多数研究主要集中于土壤成分及黏土矿物的识别，对碳酸盐岩的研究相对较少，因此提出一种基于高光谱数据实现碳酸盐岩的精确分类的决策树模型。首先采用连续谱去除方法对采集光谱进行预处理，然后结合光谱知识和机器学习提取特征。具体来说，通过光谱知识确定与碳酸盐岩密切相关的光谱区间，并提取光谱曲线中的关键波形特征，利用随机森林算法筛选出具备区分能力的特征，并通过阈值分析确定最佳分类判别式，构建决策树模型。最后利用混淆矩阵评估模型性能，并与其他5种模型的分类精度进行对比分析。结果表明，基于吸收谷最低点波长、吸收带右肩波长和吸收带宽度顺序构建的决策树模型在分类精度上表现最佳，准确率达到95.57%。
引用本文（GB/T 7714）
黄宇 Huang Yu, 邵燕林 Shao Yanlin, Wei Wei, 等. 基于高光谱数据的碳酸盐岩岩性识别决策树模型研究[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。