Die Überwachung der Salzmarschenvegetation im Feuchtgebiet des Gelben Flusses (YRD) bildet die Grundlage für die Feuchtgebietsorschung, die von großer Bedeutung für den weiteren Schutz und die Wiederherstellung ökologischer Funktionen von Feuchtgebieten ist. Bei den bestehenden Fernerkundungstechnologien zur Klassifizierung von Salzmarschenvegetation hat die objektorientierte Klassifizierungsmethode effektiv Landschaftsflecken erzeugt, die der Vegetation von Feuchtgebieten ähnlich sind, und verbessert die räumliche Konsistenz und Genauigkeit der Klassifizierung. Allerdings sind die Vegetationsklassen im YRD mit ungleichmäßiger Verteilung, unregelmäßiger Textur und signifikanten Farbvariationen gemischt. Um das Problem zu lösen, schlägt diese Studie eine Feinmaßstabklassifizierung dominanter Vegetationsgemeinschaften unter Verwendung von farbveränderten Luftbildern vor. Die Farbinformation wird verwendet, um die Farbmerkmale des Bildes zu extrahieren. Verschiedene Merkmale, einschließlich spektraler Merkmale, Texturmerkmale und Vegetationsmerkmale, werden aus den Bildobjekten extrahiert und als Eingaben für vier Maschinenlernklassifikatoren verwendet: Random Forest (RF), Support Vector Machine (SVM), k-nächste Nachbarn (KNN) und Maximum-Likelihood (MLC). Die Ergebnisse zeigten, dass die Genauigkeit der vier Klassifikatoren bei der Klassifizierung von Vegetationsgemeinschaften signifikant verbessert wurde, indem Farbmerkmale hinzugefügt wurden. RF hatte die höchste OA- und Kappa-Koeffizienten von 96,69 % bzw. 0,9603. Dies zeigt, dass die Klassifizierungsmethode basierend auf Farbverstärkung effektiv zwischen Vegetation und Nicht-Vegetation unterscheiden und jeden Vegetationstyp extrahieren kann, was einen effektiven technischen Weg für die Klassifizierung von Feuchtgebietvegetation in Luftbildern bietet.
Liu et al. (Fr,) untersuchten diese Frage.