基于决策树—山体阴影模型的植被信息提取研究

发布时间：2021-03-08 05:40

　　植被是土地覆被分类的重要内容,植被分类对研究流域生态具有重要参考价值。鄂西犟河流域是南水北调中线工程的重要水源地,该区以中低山和丘陵为主,地形起伏剧烈,导致遥感影像存在大量阴影,制约了植被分类的精度。基于LandSAT OLI影像,使用ArcGIS的Hillshade模块,输入DEM数据和传感器具体参数,计算得到影像成像时刻阴影的准确分布;统计野外采集地物样本点在MNDWI、NDVI和RVI等指数上的差异;结合决策树分类法,分别设定阴影和非阴影下6类样本的阈值进行分类。结果表明:（1）该方法总分类精度能够达到92.93%,Kappa系数为0.912;（2）阴影和非阴影区植被具备明显的同物异谱和异物同谱特征,表现为阳面的植被指数整体高于阴面;3类林地的RVI值由高往低依次为:灌木,混交林和针叶林。（3）传统经验模型在不同纬度的适用性不同,无法精确提取阴影的范围,降低了分类精度;决策树—山体阴影模型作为一种智能分类方法,能够还原Landsat OLI影像准确的阴影分布,提高山地和丘陵等阴影面积大、形状复杂区域的植被分类精度。 

【文章来源】：长江流域资源与环境. 2020,29(02)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

研究区原始遥感影像

将野外树种样方的GPS位置与矫正过后的研究区19级(30 cm分辨率)Google Earth影像叠加,分析不同目标像元光谱曲线的差异,选出训练样本和后续用于精度评价的验证样本。选取最大似然法进行监督分类,得到分类结果图(图2)。3.2 决策树分类法

决策树分类器是一种基于空间数据挖掘和知识发现的监督分类方法。它的分类步骤是:首先利用实验样本探索合适的判别函数,其次根据不同函数建立树的分支,接着在每个分支后根据需要建立子分支,最后形成决策树[21]。李梦莹[22]利用决策树方法对植被分类窗口期(6～8月)的7类植被作分层分类,提高了神农架林区的植被分类精度。本文结合ArcGIS山体阴影模型(Hillshade)和决策树分类算法(Classification and Regression Tree,CART),构建了能有效提高丘陵山地复杂地貌下植被信息提取精度的决策树——山体阴影分类模型(图3)。该模型首先在决策树内利用水体指数和植被指数,提取出研究区的水体和居民地,并掩膜,得到农田和植被的影像范围;其次基于ArcGIS Hillshade模块提取陆地卫星过境时研究区的阴影指数,得到农田和植被在阴影和非阴影部分的范围;最后在决策树模型中利用植被指数对阴影和非阴影区域分别构建子决策树,获得犟河流域的土地利用/覆被状态。3.2.1 水体、居民地和农田提取


本文编号：3070513