基于光学与SAR遥感影像特征优化的鄱阳湖湿地植物群落精准分类研究

本研究针对湿地植物群落精准识别难题，来自国内的研究人员融合Landsat 8、Sentinel-2光学影像与Sentinel-1 SAR数据，通过递归特征消除算法优化多维特征集。结果表明：光学-SAR融合方案比单一光学数据总体分类精度提升13.04%，特征优化后模型总体精度达93.42%（Kappa=0.93），为湿地生物多样性保护与生态管理提供关键技术支撑。

　　

鄱阳湖湿地植物群落作为湿地生态系统的核心组成部分，在能量流动、生物多样性维持、水体净化及水文调节等关键生态过程中扮演着不可替代的角色。本研究创新性地联合运用Landsat 8、Sentinel-2光学遥感影像与Sentinel-1合成孔径雷达（SAR）数据，系统提取了光学影像的光谱反射率、植被指数特征、纹理特征，以及SAR影像的雷达后向散射特征，构建了多维特征数据集。通过递归特征消除（RFE）算法对特征集进行优化筛选，并设计了三组不同特征组合的分类方案。基于随机森林（Random Forest）分类器的实验表明：多源遥感数据融合策略相较于单一光学方案，总体分类精度显著提升13.04%；而经过特征优化的方案更达到93.42%的总体精度和0.93的Kappa系数。该研究为湿地植物群落遥感监测提供了先进的技术方法，对区域生物多样性保护和湿地生态系统管理具有重要科学价值。