用于测试基于遥感影像的svm、随机森林、lightGBM等机器学习算法

针对传统基于像元的农田遥感技术，存在着对于农作物的识别精度较差、处理效率较低的问题。文中提出了一种遥感数据压缩分级传输系统的设计方案，对遥感数据自适应扫描，码流的比特分配，最终实现了遥感数据的可视化自定义传输。通过多组基于机器学习分类的农作物分类实验，确定了遥感数据传输的最优参数。测试与实验结果表明，在不损失传输信息的情况下，使用机器学习算法的面向对象分类设计总体精度高于95%，Kappa系数大于0.91。