【目的】針對保護(hù)區(qū)監(jiān)測需求,充分發(fā)揮GF-1 WFV影像的寬幅特點和面向?qū)ο蟆C器學(xué)習(xí)算法在遙感影像分類中的優(yōu)勢,提高保護(hù)區(qū)植被類型遙感監(jiān)測的精度,為保護(hù)區(qū)管理決策提供依據(jù)�！痉椒ā恳愿拭C省白水江國家級自然保護(hù)區(qū)為研究區(qū),主要數(shù)據(jù)源包括GF-1 WFV多光譜數(shù)據(jù)、Landsat-8 OLI遙感數(shù)據(jù)、DEM數(shù)據(jù)、野外調(diào)查數(shù)據(jù)等。首先,對GF-1WFV數(shù)據(jù)進(jìn)行多尺度分割,將研究區(qū)劃分為諸多區(qū)域性的分割對象;然后,以分割對象為基本單元,研究光譜特征、幾何特征、紋理特征不同組合情況下,基于CART決策樹分類的結(jié)果;最后,利用訓(xùn)練樣本建立基于TTA的精度檢驗,并基于混淆矩陣對分類結(jié)果進(jìn)行分析。【結(jié)果】在多尺度分割過程中,形狀因子、緊致度分別設(shè)置為0.2和0.5時地物邊界顯示較好;當(dāng)形狀因子和緊致度固定時,研究區(qū)最佳分割尺度為40。精度檢驗結(jié)果表明,基于CART決策樹的保護(hù)區(qū)植被類型分類結(jié)果整體精度均在83%以上,Kappa系數(shù)在0.80以上,優(yōu)于最鄰近分類法和支持向量機分類算法,其中基于光譜特征、幾何特征、紋理特征的CART決策樹分類結(jié)果精度最高,總體精度為85.18%,Kappa系數(shù)為0.83... 

【文章來源】：北京林業(yè)大學(xué)學(xué)報. 2020,42(06)北大核心CSCD

【文章頁數(shù)】：10 頁

【參考文獻(xiàn)】：
期刊論文
[1]綜合應(yīng)用多源遙感數(shù)據(jù)的面向?qū)ο笸恋馗采w分類方法[J]. 李曉紅,陳爾學(xué),李增元,李世明.  林業(yè)科學(xué). 2018(02)
[2]基于面向?qū)ο蠛虲ART決策樹方法的遙感影像濕地變化檢測研究——以龍祥島地區(qū)為例[J]. 馬宇龍,林志壘.  福建師范大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[3]基于WorldView-2影像數(shù)據(jù)對杭州西湖區(qū)綠地信息提取研究[J]. 錢軍朝,徐麗華,邱布布,陸張維,龐恩奇,鄭建華.  西南林業(yè)大學(xué)學(xué)報(自然科學(xué)). 2017(04)
[4]無人機遙感數(shù)據(jù)處理與滑坡信息提取[J]. 陳天博,胡卓瑋,魏錸,胡順強.  地球信息科學(xué)學(xué)報. 2017(05)
[5]基于紋理信息CART決策樹的林芝縣森林植被面向?qū)ο蠓诸怺J]. 郝瀧,陳永富,劉華,朱雪林,達(dá)哇扎西,李偉娜.  遙感技術(shù)與應(yīng)用. 2017(02)
[6]基于CART決策樹的ZY-3衛(wèi)星遙感數(shù)據(jù)土地利用分類監(jiān)測[J]. 孫建偉,王超,王娜,馬婧婧,羅靜.  華中師范大學(xué)學(xué)報(自然科學(xué)版). 2016(06)
[7]基于Landsat 8 OLI輔助的亞米級遙感影像樹種識別[J]. 魏晶昱,毛學(xué)剛,方本煜,包曉建,許振宇.  北京林業(yè)大學(xué)學(xué)報. 2016(11)
[8]基于多源多時相遙感影像的山地森林分類決策樹模型研究[J]. 雷光斌,李愛農(nóng),譚劍波,張正健,邊金虎,靳華安,趙偉,曹小敏.  遙感技術(shù)與應(yīng)用. 2016(01)
[9]峰叢洼地農(nóng)作物面向?qū)ο笮畔⑻崛∫?guī)則集[J]. 蔡耀君,華璀,盧遠(yuǎn).  遙感信息. 2015(03)
[10]基于遙感影像的棉花種植面積提取方法研究[J]. 張小平,曹衛(wèi)彬,劉姣娣.  安徽農(nóng)業(yè)科學(xué). 2011(07)



本文編號：3425166