地科学院邵燕林副教授团队长期从事数字露头、储层三维表征等方面的研究，团队硕士生黄宇在EI期刊《激光与光电子学进展》上发表题为《基于高光谱数据的碳酸盐岩岩性识别决策树模型》的研究论文。长江大学地球科学学院为论文第一署名单位，硕士生黄宇为论文第一作者，邵燕林副教授为该文通讯作者，本项研究得到湖北省教委科研基金共同资助。

该论文针对当前碳酸盐岩高光谱识别中存在的数据冗余度高、传统方法效率低下等技术瓶颈，提出一种融合光谱知识与决策树模型的智能化识别方案，实现了碳酸盐岩岩性的高精度分类。所提方法首先采用连续谱去除方法对采集光谱进行预处理，然后结合光谱知识和机器学习提取特征。具体来说，通过光谱知识确定与碳酸盐岩密切相关的光谱区间，并提取光谱曲线中的关键波形特征，利用随机森林算法筛选出具备区分能力的特征，并通过阈值分析确定最佳分类判别式，构建决策树模型。最后，利用混淆矩阵评估模型性能，并与其他 5 种模型的分类精度进行对比分析。结果表明，基于吸收谷最低点波长、吸收带右肩波长和吸收带宽度顺序构建的决策树模型在分类精度上表现最佳，准确率达到95.57%。

论文链接：https://kns.cnki.net/kcms2/article/abstract?v=_uHp55J8LtBNr6LI9KxoaMajAst18vokwEmKjZAwHLlf7faNawWbbxCMEDAERahIgx8owoJS_C5QBczZTP3jHV1LG6Zm5bG6GUFafc8p2pwiXb7SKpfJKe3-6tRZurNG0twPZSIMmTGIorBBD71IjNzH-JbM2jwB6_PaevA6VVGPk_-TVivmVg==&uniplatform=NZKPT&language=CHS

图1不同特征在不同测试集下的分类准确率。（a）吸收谷最低点波长；（b）吸收带右肩波长；（c）吸收带宽度

图2决策树处理流程

图3 论文首页