基于隨機(jī)森林算法和MODIS數(shù)據(jù)的日喀則地區(qū)土地覆蓋分類與動態(tài)監(jiān)測
發(fā)布時間:2021-08-28 21:37
土地覆蓋動態(tài)變化是導(dǎo)致區(qū)域孕災(zāi)環(huán)境變化的重要因素之一,針對日喀則地區(qū)地形復(fù)雜、山地災(zāi)害易發(fā)的特點(diǎn),選用MODIS、DEM、谷歌地球的高分影像以及氣象數(shù)據(jù)等多源遙感數(shù)據(jù),采用隨機(jī)森林與遙感分析技術(shù)相結(jié)合的方法,對日喀則2001—2017年的土地覆蓋變化進(jìn)行動態(tài)監(jiān)測。使用500 m分辨率8 d合成的不同年份相同季節(jié)的MOD09A1數(shù)據(jù),確定了9個土地覆蓋類型,分類總體精度和Kappa系數(shù)分別為83%和0.83。對多期分類圖進(jìn)行變化分析,統(tǒng)計(jì)土地覆蓋種類的變化幅度和比例,并加入降水和溫度變化等氣象要素協(xié)同分析,得到動態(tài)監(jiān)測結(jié)果。結(jié)果表明,近17年來,日喀則地區(qū)受自然條件和地形的限制,土地利用潛力不大,植被覆蓋率波動上升,但水體覆蓋率波動下降,導(dǎo)致生態(tài)環(huán)境脆弱,容易引發(fā)各種自然災(zāi)害。
【文章來源】:安徽農(nóng)業(yè)科學(xué). 2020,48(16)
【文章頁數(shù)】:12 頁
【部分圖文】:
圖1 日喀則位置示意圖
RF是由決策樹分類器組成的集成分類器,最終的分類結(jié)果是由基分類器投票決定的。RF算法的基本流程是:①從原始樣本集S中用Bootstrap方法隨機(jī)抽取K個訓(xùn)練樣本集;②每個訓(xùn)練樣本集分別構(gòu)建決策樹模型,從而組成隨機(jī)森林,得到K種分類結(jié)果;③K種分類結(jié)果采用投票表決的方式確定最終分類結(jié)果,分類誤差取決于每一棵樹的分類能力和它們之間的相關(guān)性。RF通過隨機(jī)選擇輸入預(yù)測變量和使用相同訓(xùn)練數(shù)據(jù)集的不同子集來避免偏差和方差的誤差,同時也可以克服過度擬合[22]。RF算法基本流程如圖3所示。每棵決策樹的輸入變量是從N個屬性樣本集中隨機(jī)抽取M個屬性樣本,通常M取值為 Μ= Ν 或M=log2N+1。此外,節(jié)點(diǎn)分裂標(biāo)準(zhǔn)通常采用基尼指數(shù)(Gini)和信息熵(Entropy)。2種方法的計(jì)算公式分別為:
考慮到研究區(qū)多山區(qū)地形且多樣化,選用3個具有代表性的光譜指數(shù)[23]。NDVI是植被覆蓋度的最佳指示因子;NDWI能夠凸顯影像中的水體信息,在綠色帶中具有相對較高的反射率且在NIR中具有強(qiáng)吸收;NDSI利用積雪在綠光波段高反射和短波紅外波段強(qiáng)吸收的特征,可提取積雪。3個指數(shù)的計(jì)算公式如下:圖4 RF算法主要技術(shù)路線
【參考文獻(xiàn)】:
期刊論文
[1]TRMM衛(wèi)星降水?dāng)?shù)據(jù)在區(qū)域干旱監(jiān)測中的適用性分析[J]. 陳少丹,張利平,郭夢瑤,柳鑫. 農(nóng)業(yè)工程學(xué)報. 2018(15)
[2]基于超像素統(tǒng)計(jì)量的隨機(jī)森林遙感圖像分類[J]. 石彩霞,趙傳鋼,龐蕾. 計(jì)算機(jī)應(yīng)用研究. 2018(12)
[3]DEM和MODIS數(shù)據(jù)融合的土地覆蓋分類遙感方法研究[J]. 張思琪. 科技通報. 2016(10)
[4]基于MODIS時間序列數(shù)據(jù)的洞庭湖濕地動態(tài)監(jiān)測[J]. 陳燕芬,牛振國,胡勝杰,張海英. 水利學(xué)報. 2016(09)
[5]基于SWAT模型的大安市降水入滲量變化的模擬研究[J]. 馬海燕,劉洪超,孫曉慶. 吉林農(nóng)業(yè)大學(xué)學(xué)報. 2016(03)
[6]利用多時相MODIS NDVI數(shù)據(jù)進(jìn)行土地利用/覆被分類和變化監(jiān)測(英文)[J]. M USMAN,R LIEDL,M A SHAHID,A ABBAS. Journal of Geographical Sciences. 2015(12)
[7]日喀則河谷退耕還草(林)工程實(shí)施后生態(tài)功能效應(yīng)的初步分析[J]. 毛紹娟,李紅琴,張鐿鋰,祝景彬,張法偉,李英年. 草地學(xué)報. 2015(06)
[8]基于TM影像的昆明市區(qū)土地利用遙感動態(tài)監(jiān)測[J]. 田傳召,于陽,肖虹雁,岳彩榮,范懷剛. 林業(yè)資源管理. 2014(04)
[9]基于波譜角分類的土地利用動態(tài)監(jiān)測[J]. 于龍,周宇峰,丁麗霞,鄒紅玉. 浙江農(nóng)林大學(xué)學(xué)報. 2014(03)
本文編號:3369292
【文章來源】:安徽農(nóng)業(yè)科學(xué). 2020,48(16)
【文章頁數(shù)】:12 頁
【部分圖文】:
圖1 日喀則位置示意圖
RF是由決策樹分類器組成的集成分類器,最終的分類結(jié)果是由基分類器投票決定的。RF算法的基本流程是:①從原始樣本集S中用Bootstrap方法隨機(jī)抽取K個訓(xùn)練樣本集;②每個訓(xùn)練樣本集分別構(gòu)建決策樹模型,從而組成隨機(jī)森林,得到K種分類結(jié)果;③K種分類結(jié)果采用投票表決的方式確定最終分類結(jié)果,分類誤差取決于每一棵樹的分類能力和它們之間的相關(guān)性。RF通過隨機(jī)選擇輸入預(yù)測變量和使用相同訓(xùn)練數(shù)據(jù)集的不同子集來避免偏差和方差的誤差,同時也可以克服過度擬合[22]。RF算法基本流程如圖3所示。每棵決策樹的輸入變量是從N個屬性樣本集中隨機(jī)抽取M個屬性樣本,通常M取值為 Μ= Ν 或M=log2N+1。此外,節(jié)點(diǎn)分裂標(biāo)準(zhǔn)通常采用基尼指數(shù)(Gini)和信息熵(Entropy)。2種方法的計(jì)算公式分別為:
考慮到研究區(qū)多山區(qū)地形且多樣化,選用3個具有代表性的光譜指數(shù)[23]。NDVI是植被覆蓋度的最佳指示因子;NDWI能夠凸顯影像中的水體信息,在綠色帶中具有相對較高的反射率且在NIR中具有強(qiáng)吸收;NDSI利用積雪在綠光波段高反射和短波紅外波段強(qiáng)吸收的特征,可提取積雪。3個指數(shù)的計(jì)算公式如下:圖4 RF算法主要技術(shù)路線
【參考文獻(xiàn)】:
期刊論文
[1]TRMM衛(wèi)星降水?dāng)?shù)據(jù)在區(qū)域干旱監(jiān)測中的適用性分析[J]. 陳少丹,張利平,郭夢瑤,柳鑫. 農(nóng)業(yè)工程學(xué)報. 2018(15)
[2]基于超像素統(tǒng)計(jì)量的隨機(jī)森林遙感圖像分類[J]. 石彩霞,趙傳鋼,龐蕾. 計(jì)算機(jī)應(yīng)用研究. 2018(12)
[3]DEM和MODIS數(shù)據(jù)融合的土地覆蓋分類遙感方法研究[J]. 張思琪. 科技通報. 2016(10)
[4]基于MODIS時間序列數(shù)據(jù)的洞庭湖濕地動態(tài)監(jiān)測[J]. 陳燕芬,牛振國,胡勝杰,張海英. 水利學(xué)報. 2016(09)
[5]基于SWAT模型的大安市降水入滲量變化的模擬研究[J]. 馬海燕,劉洪超,孫曉慶. 吉林農(nóng)業(yè)大學(xué)學(xué)報. 2016(03)
[6]利用多時相MODIS NDVI數(shù)據(jù)進(jìn)行土地利用/覆被分類和變化監(jiān)測(英文)[J]. M USMAN,R LIEDL,M A SHAHID,A ABBAS. Journal of Geographical Sciences. 2015(12)
[7]日喀則河谷退耕還草(林)工程實(shí)施后生態(tài)功能效應(yīng)的初步分析[J]. 毛紹娟,李紅琴,張鐿鋰,祝景彬,張法偉,李英年. 草地學(xué)報. 2015(06)
[8]基于TM影像的昆明市區(qū)土地利用遙感動態(tài)監(jiān)測[J]. 田傳召,于陽,肖虹雁,岳彩榮,范懷剛. 林業(yè)資源管理. 2014(04)
[9]基于波譜角分類的土地利用動態(tài)監(jiān)測[J]. 于龍,周宇峰,丁麗霞,鄒紅玉. 浙江農(nóng)林大學(xué)學(xué)報. 2014(03)
本文編號:3369292
本文鏈接:http://sikaile.net/kejilunwen/dizhicehuilunwen/3369292.html
最近更新
教材專著