基于2018年的Sentinel-1雷達(dá)影像和Sentinel-2光學(xué)影像數(shù)據(jù),采用面向?qū)ο蠹夹g(shù)獲取影像的光譜、幾何、紋理、自定義特征和多極化后向散射系數(shù)5個(gè)種類的90個(gè)特征變量,基于隨機(jī)森林算法進(jìn)行特征選擇,并構(gòu)建多種特征組合方案,利用隨機(jī)森林分類器對(duì)保護(hù)區(qū)內(nèi)的地物進(jìn)行識(shí)別并提取紅樹林信息。結(jié)果表明:多特征耦合優(yōu)化模式的分類效果最好,總體精度為89.60%,Kappa系數(shù)為0.8756,其中,紅樹林的制圖精度與用戶精度分別為96.39%、97.56%;識(shí)別出的茅尾海紅樹林面積為19.2km2,占整個(gè)研究區(qū)的2.67%。該研究揭示了Sentinel-1和Sentinel-2數(shù)據(jù)在紅樹林監(jiān)測(cè)中的應(yīng)用潛力。 

【文章來(lái)源】：地理與地理信息科學(xué). 2020,36(04)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

研究區(qū)采樣點(diǎn)分布

本研究技術(shù)路線（圖2）為：基于面向?qū)ο蠓椒▽⒍嘣碨entinel遙感影像分割為若干個(gè)對(duì)象單元，提取對(duì)象單元的光譜特征、紋理特征、幾何特征、自定義特征與多極化后向散射系數(shù)在內(nèi)的5個(gè)種類90個(gè)特征變量，利用隨機(jī)森林OOB(Out of Bag）誤差率度量所有特征的重要性，依據(jù)特征重要性優(yōu)化特征空間，并根據(jù)優(yōu)選特征構(gòu)建7種不同的提取方案，以隨機(jī)森林為分類器對(duì)不同方案的結(jié)果進(jìn)行精度檢驗(yàn)，選出最優(yōu)的分類結(jié)果，制作紅樹林分布圖。2.1 面向?qū)ο蠓指?

在方案F的基礎(chǔ)上，采用隨機(jī)森林算法計(jì)算90個(gè)特征的重要性得分，將得分由高到低排序，以5為步長(zhǎng)，分別選取前5、前10、前15個(gè)特征，直至所有特征都被選��；每次選取的特征分別參與隨機(jī)森林分類，并計(jì)算總體分類精度與Kappa系數(shù)，繪制特征變量數(shù)量與分類精度和Kappa系數(shù)的關(guān)系圖，以尋找最優(yōu)參數(shù)組合的特征數(shù)量。由圖3可知，隨著參與分類的特征變量數(shù)量增加，分類精度與Kappa系數(shù)呈先增后減趨勢(shì)，不隨特征變量數(shù)量的增加而提高；當(dāng)m取20時(shí)，兩者均達(dá)到最大值，分別為89.60%和0.8756，表明優(yōu)選特征為20個(gè)，包括8個(gè)光譜特征、3個(gè)紋理特征、3個(gè)形狀特征，2個(gè)多極化后向散射系數(shù)和4個(gè)自定義特征，各特征的重要性得分如表2所示。該優(yōu)選特征集包含所有的特征類別，只有綜合多源特征才能達(dá)到滿意的分類效果。3.2 影像分割結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于GF-2影像的廣西茅尾海紅樹林物種分類及蓋度估算分析[J]. 馬云梅,吳培強(qiáng),潘良浩,王錦錦,王建步,任廣波,馬毅.  海洋科學(xué). 2019(06)
[2]利用物候差異與面向?qū)ο鬀Q策樹提取油菜種植面積[J]. 李中元,吳炳方,張淼,邢強(qiáng),李名勇,閆娜娜.  地球信息科學(xué)學(xué)報(bào). 2019(05)
[3]基于Google Earth Engine的紅樹林年際變化監(jiān)測(cè)研究[J]. 劉凱,彭力恒,李想,譚敏,王樹功.  地球信息科學(xué)學(xué)報(bào). 2019(05)
[4]1987以來(lái)海南省清瀾港紅樹林變化的遙感監(jiān)測(cè)與分析[J]. 甄佳寧,廖靜娟,沈國(guó)狀.  濕地科學(xué). 2019(01)
[5]孟加拉國(guó)海岸帶近30 a紅樹林變化遙感分析[J]. 周磊,馬毅,任廣波.  海洋環(huán)境科學(xué). 2019(01)
[6]1980—2015年間泰國(guó)紅樹林資源變化的遙感監(jiān)測(cè)與分析[J]. 吳培強(qiáng),張杰,馬毅,任廣波.  海洋科學(xué)進(jìn)展. 2018(03)
[7]一種基于多源多時(shí)相遙感信息的城市水稻田分布提取方法[J]. 栗云峰,甘樂(lè),林聰,梁昊,王欣,杜培軍.  地理與地理信息科學(xué). 2018(03)
[8]融合光學(xué)與雷達(dá)遙感數(shù)據(jù)的城市不透水面提取方法[J]. 張鴻生,林殷怡,王挺,宛羅馬,李煜,林琿,張淵智.  地理與地理信息科學(xué). 2018(03)
[9]基于高分辨率衛(wèi)星影像的廣西紅樹林面積監(jiān)測(cè)與群落調(diào)查[J]. 陶艷成,葛文標(biāo),劉文愛(ài),潘良浩,邱廣龍,王欣,范航清.  自然資源學(xué)報(bào). 2017(09)
[10]Sentinel-2衛(wèi)星影像的大氣校正方法[J]. 蘇偉,張明政,蔣坤萍,朱德海,黃健熙,王鵬新.  光學(xué)學(xué)報(bào). 2018(01)

博士論文
[1]1973～2013年中國(guó)紅樹林動(dòng)態(tài)變化遙感分析[D]. 賈明明.中國(guó)科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所） 2014
[2]北部灣紅樹林空間分布信息提取與種類識(shí)別遙感研究[D]. 李?yuàn)檴?南京大學(xué) 2012

碩士論文
[1]基于多源遙感數(shù)據(jù)的紅樹林遙感信息識(shí)別研究[D]. 周振超.吉林大學(xué) 2019
[2]1985～2015年中國(guó)典型紅樹林自然保護(hù)區(qū)遙感監(jiān)測(cè)與分析[D]. 鄭曉敏.福建農(nóng)林大學(xué) 2017



本文編號(hào)：3391475