基于堆叠集成学习的特征优化与油菜倒伏识别

王克晓; 李波; 《测绘科学 》 2025 北大核心 CSCD

摘要：为实现倒伏油菜可见光遥感的高精度提取，利用试验区可见光植被指数、主成分波段纹理特征和数字表面模型，提出了一种基于堆叠集成学习的特征优化与油菜倒伏识别算法。采用K最邻近、朴素贝叶斯、广义线性模型和径向核函数支持向量机4种基学习器构建了基于全特征的油菜倒伏识别Stacking集成学习模型，并引入置换特征重要性(PFI)方法实现了Stacking集成模型特征重要性分析；然后基于特征变量重要性排序开展特征优化选择，构建了Stacking集成模型开展倒伏油菜识别与制图，有效提高了倒伏油菜的识别精度。本研究提供了一种与高性能机器学习结合的特征选择方法，可为目标地物遥感提取提供技术参考。

关键词： 可见光遥感 油菜倒伏 集成学习 特征优化选择