研究背景：

• 高光譜傳感技術可以測量可見光到近紅外波段的反射率，并被用于對植物進行分類和制圖，分類精度可達物種級別。

• 高光譜數(shù)據(jù)通常需要進行一些特征選擇，以減少數(shù)據(jù)維度，以便構建分類模型。

• 盡管已經(jīng)有大量關于高光譜植物分類的研究，但尚未對特征選擇方法和結果波段選擇進行深入研究。

研究目標：

• 評估過去 22 年高光譜植被分類文獻中波段選擇頻率的總體情況、波段選擇頻率隨分類學、結構或功能群體變化的情況，以及特征選擇方法選擇的影響。

• 比較了逐步判別分析（SDA）、支持向量機（SVM）和隨機森林（RF）等方法，以了解特征選擇方法對波段選擇的影響。

研究方法：

• 作者收集了過去 22 年發(fā)表的所有高光譜植被分類論文，并對這些論文中使用的特征選擇方法和結果波段進行了分析。

• 作者還比較了 SDA、SVM 和 RF 三種方法在不同分類學、結構或功能群體中的波段選擇情況。

主要發(fā)現(xiàn)：

• 所有高光譜植物研究的特點都影響了所選擇的波段。這包括目標樣本的分類學、結構和功能群體，以及高光譜測量的方法和尺度，以及使用的特征選擇方法。

• 這些影響并不一致。

• 特征選擇方法的不同會導致波段選擇的很大差異，這使得很難分析不同研究中植物群體間波段選擇的差異。

• SDA 方法可能不適合用作特征選擇方法，因為它產(chǎn)生的波段選擇與其他特征選擇方法不一致。

• 在選擇特征選擇方法時應謹慎：建議使用多種方法。所選的光譜特征集可以單獨由多個分類模型進行評估，也可以組合成一個集合進行單個分類器的評估。

• 在使用文獻中的波段推薦來指導新植物區(qū)分應用的波段選擇或分類時，應謹慎，因為這些推薦在不同研究之間似乎難以推廣。

圖形概要

VIS/SWIR 研究 (350 - 2500 nm) 綠色、VIS/NIR 研究 (350 - 1100 nm) 藍色的波段選擇以 50 nm 間隔進行分組。橙色填充的單元格代表由于噪聲而從研究中刪除的波段區(qū)域。選擇率是選擇給定 50 nm 區(qū)域進行物種分類的研究的百分比。表中的每一行都是一項單獨的研究，每列都是 50 nm 范圍箱。綠色/藍色陰影區(qū)域表示從該范圍內選擇的至少一個波段，而橙色陰影區(qū)域表示去除的波長區(qū)域（例如主要吸水區(qū)域）。在該特定研究中，僅當由于噪聲/大氣影響而移除整個 50 nm 區(qū)域時，波長箱才會被移除。

3 種樹木和電磁波譜 (400–2400 nm) 關鍵寬域的高光譜反射率示例。

冠層和葉尺度光譜每 50 nm 箱的 350–2500 nm 研究的特征選擇率

使用 SDA 特征選擇的 350–2500 nm 研究的特征選擇率，以及所有其他特征選擇方法組合的選擇率

350–2500 nm 研究的特征選擇率，使用冠層和葉尺度光譜的 SDA 特征選擇子集，以及所有其他特征選擇方法組合的選擇率。

 ( a )：50nm 處的波段特征選擇直方圖，按數(shù)據(jù)集排序。四個特征選擇器在同一數(shù)據(jù)集上運行 10 個交叉驗證（新數(shù)據(jù)集由 10 個類和每個交叉驗證 200 個樣本組成）。( b )：圖5a的結果按特征選擇方法排序。（RF = 隨機森林，SDA = 逐步判別分析，SFFS = 順序浮動特征選擇，SVM = 支持向量機）

 ( a ) 直方圖波段特征選擇的 PCA 降維。( b )直方圖波段特征選擇的t分布隨機鄰域嵌入(T-SNE)降維。（c）直方圖波段特征選擇的均勻流形逼近和投影（UMAP）降維。

總結：

高光譜植被分類是一個復雜的問題，所有研究參數(shù)都會影響波段選擇。沒有一種通用的、高效的波段選擇方法?？梢姽獠ǘ魏图t邊波段在植物分類中都很重要，但它們并不能提供足夠的區(qū)分度。特定的植物群體是否有特定的波段特征還不能確定，因為不同研究的結果差異很大。未來的研究可以調查特征選擇器超參數(shù)選擇、數(shù)據(jù)預處理以及植被指數(shù)對波段選擇的影響。推薦指數(shù)：????