南方山地丘陵森林主要樹種遙感信息提取研究.pdf

1、本研究以福建省順昌縣為研究區(qū)域，利用選取高空間分辨率遙感影像ALOS，構建了各樹種的光譜特征、地形因子特征、植被指數(shù)特征和紋理特征，分析了研究區(qū)主要樹種的光譜特征差異、植被指數(shù)值差異和紋理特征差異以及各樹種在特定地形條件下的光譜差異，建立關于山地丘陵地區(qū)樹種識別的知識，采用基于知識的決策樹和基于小樣本學習理論的支持向量機對研究區(qū)樹種進行分類識別和精度比較，研究了一種適合山地丘陵的樹種分類方法，得到如下結論： （1）通過分析各樹種

2、在野外實測光譜數(shù)據(jù)，ALOS影像、地形因子、植被指數(shù)、紋理特征圖像上的差異，得出結論：在這樣復雜的地形條件下，單單依靠光譜數(shù)據(jù)、植被指數(shù)或紋理特征中的任何一個特征，都不能得到高精度的樹種分類結果。只有有效的利用適當?shù)奶卣?，才可能得到高精度的樹種分類結果。 （2）地形因子在丘陵山地復雜地貌條件下的樹種分類識別中起著非常重要的作用，不同坡度坡向條件下的同種樹種的光譜差異較大，在同一坡度坡向條件下不同樹種的光譜差異較小。陽坡各樹種與陰

3、坡各樹種的光譜差異都很大；陽坡毛竹和陰坡、半陰坡各樹種的光譜差異都較大；半陽坡經(jīng)濟林與陰坡各樹種的光譜差異較大；緩坡條件下的毛竹與斜坡條件下的毛竹、陡坡陡坡條件下各樹種的光譜差異都較大。 （3）基于光譜信息、植被指數(shù)和紋理特征的決策樹分類比基于光譜信息和植被指數(shù)的決策樹分類總精度提高了5．39％，Kappa系數(shù)提高了0．0641；方差、反差、一致性和熵紋理特征變量可以使研究區(qū)毛竹的分類精度提高5．8％；方差、反差、一致性、相異性

4、和熵紋理特征變量可以使研究區(qū)馬尾松的精度提高12．11％；方差、反差和熵紋理特征變量可以使研究區(qū)經(jīng)濟林的分類精度提高10．89％；方差和熵紋理特征變量可以使研究區(qū)非植被的分類精度提高7．39％。 （4）基于光譜信息、植被指數(shù)、紋理特征和地形因子的決策樹分類比基于光譜信息、植被指數(shù)和紋理特征的決策樹分類總精度提高了10．35％，Kappa系數(shù)提高了0．1239；高程、坡度和坡向地形因子使毛竹精度提高了3．23％，杉木精度提高了22

5、．76％，馬尾松精度提高了14．85％，闊葉林精度提高了20．69％，經(jīng)濟林精度提高了8．17％。 （5）通過對基于決策樹的三種分類結果與基于支持向量機的三種分類結果相比較，發(fā)現(xiàn)：基于光譜信息、植被指數(shù)、紋理特征和地形因子決策樹的分類結果總精度和Kappa系數(shù)是最高的，分別為81．90％和0．7772，由此可以得出結論：對于順昌縣這樣的山地丘陵地形條件，基于光譜信息、植被指數(shù)、紋理特征和地形因子的決策樹分類方法是最佳的樹種分類識