基于自动阈值决策树分类的桉树提取研究

发布时间：2022-01-03 01:51

　　在连年种植桉树的区域选取了不同龄期及其生长特性的样本点形成桉树样本集,并以Landsat 8为数据源进行样本集NDVI等8种指数的统计规律性分析,构建了一种基于指数分布规律性的自动阈值决策树分类方法,通过GEE平台将该方法应用于研究区的桉树林分类中,试验表明:1)2013—2019连年种植桉树样本集的多种指数变化具有明显的规律,各种指数每隔3年出现一次极小值,符合桉树的种植-砍伐周期性;2)与随机森林算法分类结果相比,自动阈值决策树的分类结果精度提高了约4%,平均分类总体精度达到0.88,平均kappa系数达到0.83;3)利用谷歌历史影像对自动阈值决策树分类结果进行验证,桉树分布区域重合率达到88.4%。以上结论均表明本文提出的自动阈值决策树分类法能有效实现桉树信息提取。 

【文章来源】：林业资源管理. 2020,(04)北大核心

【文章页数】：10 页

【部分图文】：

各指数值域直方图

利用GEE将样本点随机抽样,按70%和30%分成训练点与测试点两组放入分类器进行桉树提取。为验证自动阈值决策树分类对桉树信息提取的准确性,利用随机森林算法对相同的实验数据进行桉树信息提取,并将两种方法的分类结果进行比较分析。整体而言,两种分类方法较为一致(图9、图10),桉树种植区主要分布在研究区四周,其中研究区西南侧地形相对平坦,桉树连片大规模种植;而在中部种植区域较为分散,桉树多数分布在远离居民地集聚地区的道路两侧。两种方法所提取的桉树种植信息与实际种植分布相一致,表明两种方法均取得较好的分类效果。具体来看,2013年9月研究区桉树种植规模较大,面积高达26.9km2,因2014年南宁出台饮用水水源保护区内禁止种植速生桉的政策,此后桉树种植有所下降;2015—2017年种植面积相对稳定,分别为23.1,25.3,24.4 km2;2019年桉树种植面积增加,达到30.6 km2,但斑块分布较为集中。图9 2013—2019年研究区桉树随机森林分类结果

2013—2019年研究区桉树随机森林分类结果

【参考文献】：
期刊论文
[1]基于GEE平台广西桉树快速提取研究[J]. 卢献健,黄俞惠,晏红波,周吕,吴宸龙,周斌,罗乐.  林业资源管理. 2019(05)
[2]面向对象CART决策树方法的湿地遥感分类[J]. 姚博,张怀清,刘洋,刘华,凌成星.  林业科学研究. 2019(05)
[3]江苏水稻高温热害气象指数保险风险综合区划[J]. 任义方,赵艳霞,张旭晖,王平,何浪.  中国农业气象. 2019(06)
[4]新疆精河县生态变化评价及驱动力研究[J]. 王丽春,焦黎,来风兵,代鹏超.  生态与农村环境学报. 2019(03)
[5]基于遥感生态指数的雄安新区生态质量评估[J]. 杨江燕,吴田,潘肖燕,杜海童,李金鹿,张利,门明新,陈影.  应用生态学报. 2019(01)
[6]一种基于高斯拟合的水生植被遥感分类阈值确定方法[J]. 闫大鹏,周兴东,刘伟,罗菊花,芮佳,汪政辉,余悠然.  西安科技大学学报. 2018(05)
[7]面向水稻LAI监测的植被指数土壤调节参数修正[J]. 谢京凯,王福民,王飞龙,张东尼.  遥感技术与应用. 2018(02)
[8]Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究[J]. 徐晗泽宇,刘冲,王军邦,齐述华.  地球信息科学学报. 2018(03)
[9]面向对象随机森林方法在湿地植被分类的应用[J]. 李方方,刘正军,徐强强,任海成.  遥感信息. 2018(01)
[10]基于RGB-NDVI图像的桉树人工林区森林覆盖变化年度监测[J]. 周梅,李春干,代华兵.  南京林业大学学报(自然科学版). 2017(05)

博士论文
[1]基于高分辨率遥感的桉树林空间异质性与尺度效应研究[D]. 张雪红.南京大学 2012

硕士论文
[1]基于优化光谱指数的草地生物量估算[D]. 安海波.内蒙古农业大学 2015
[2]支持向量机在遥感影像分类中应用的若干研究[D]. 季敏燕.南京林业大学 2011



本文编号：3565321