兼容光學(xué)、雷達(dá)與地形輔助數(shù)據(jù)的森林濕地遙感分類.pdf

1、森林濕地是濕地的重要組成部分，其空間分布對于研究濕地功能評價(jià)、溫室氣體通量估計(jì)和識別野生動物適宜棲息地具有重要的價(jià)值，同時(shí)其也是濕地生態(tài)學(xué)領(lǐng)域的研究難點(diǎn)和熱點(diǎn)。許多研究者已證實(shí)，多源遙感數(shù)據(jù)的影像處理技術(shù)可識別森林濕地與其相鄰?fù)恋馗脖活愋停谏譂竦刂茍D的方法上沒有達(dá)成共識。基于此本文以大沾河國家森林濕地為研究區(qū)，運(yùn)用Landsat8遙感數(shù)據(jù)、Radarsat-2數(shù)據(jù)和地形輔助數(shù)據(jù)，對比研究了面向?qū)ο箅S機(jī)森林算法與基于像元隨機(jī)森林算法

2、和KNN算法的森林濕地遙感識別，結(jié)合野外實(shí)測數(shù)據(jù)，對算法識別結(jié)果進(jìn)行精度評價(jià)，并對遙感分類誤差進(jìn)行深入分析。主要結(jié)論如下:
　　(1)本文對Landsat8遙感數(shù)據(jù)進(jìn)行面向?qū)ο蟮亩喑叨确指睿诜指畹慕Y(jié)果提取各對象所對應(yīng)的光學(xué)、紋理、雷達(dá)和地形輔助數(shù)據(jù)的特征值，將每個(gè)對象特征變量的均值作為預(yù)測變量納入隨機(jī)森林進(jìn)行斑塊地類的判讀，得到面向?qū)ο蟮碾S機(jī)森林模型，利用構(gòu)建好的面向?qū)ο箅S機(jī)森林模型對待分類對象進(jìn)行分類，最終實(shí)現(xiàn)面向?qū)ο笈c隨機(jī)

3、森林相結(jié)合的分類方法。在對象特征值提取時(shí)，實(shí)現(xiàn)了以對象為處理單元的多源數(shù)據(jù)的信息提取，克服了多源數(shù)據(jù)進(jìn)行多尺度分割時(shí)的兼容性問題，為面向?qū)ο蟮姆诸惙椒ㄔ诰C合多源數(shù)據(jù)優(yōu)勢提供可能性。在面向?qū)ο箅S機(jī)森林分類方法的變量相對重要性得分中，Landsat8遙感數(shù)據(jù)的光學(xué)特征最高，地形輔助數(shù)據(jù)其次，最后是紋理特征。
　　(2)從整體上看，面向?qū)ο箅S機(jī)森林分類方法的分類結(jié)果的土地覆蓋斑塊連續(xù)性更好，客觀真實(shí)的反映了地物景觀。根據(jù)野外實(shí)測樣點(diǎn)，對

4、面向?qū)ο箅S機(jī)森林分類法的分類結(jié)果進(jìn)行精度評估，其總體分類精度和Kappa系數(shù)分別為80.65％和0.78，森林濕地、針葉林和闊葉林的制圖精度分別為83.33％、83.78％和81.39％。研究表明，面向?qū)ο箅S機(jī)森林的分類方法在森林濕地信息提取具有潛在的優(yōu)勢，森林濕地信息提取結(jié)果的整體斑塊較好，其主要分布在空氣濕度大、坡度較緩的南部低洼地帶。同時(shí)，結(jié)果也表明了將雷達(dá)數(shù)據(jù)提取的淹水范圍納入到分類變量中，可以改善森林濕地與針葉闊葉林的混分現(xiàn)象