基于决策树的洞庭湖湿地信息提取技术研究

发布时间：2020-04-02 20:28

【摘要】：洞庭湖湿地地处长江中下游，，对维持生态平衡和保持本区域的经济可持续发展具有重要意义。然而，由于自然环境的变迁、长期的泥沙淤积和人类活动干扰的日益加剧，洞庭湖湿地受到了严重的破坏，湿地面积急剧下降。人类活动与河流水沙情势制约着湖泊的演化，围湖垦殖和入湖泥沙淤积加速着洞庭湖的衰亡，洞庭湖敞水区的面积急剧缩小，洲滩面积逐渐增多，洞庭湖湿地的结构和功能正在发生着巨大的变化。本研究以洞庭湖区为研究对象，利用不同分辨率遥感影像数据的光谱与纹理特征，结合其他辅助数据，探索洞庭湖湿地信息的高效提取方法。同时根据多期影像数据的分类结果，揭示湿地的演变规律。主要研究成果与结论如下：（1）利用人类活动中洞庭湖防洪大堤对洞庭湖区域进行分区，结合GIS知识的空间分析功能，研究洞庭湖湿地的分布特征，考虑冬夏季相的不同，充分挖掘数据，构建决策树实现对研究区湿地类型的精确获取。将分类结果与传统最大似然法监督分类所得结果进行对比可知：利用知识的决策树分类方法对湿地类型进行分类，较传统的最大似然法监督分类总体精度提高12.05%；总体kappa系数提高0.1407；特别是外湖区的林地，芦苇滩地，泥滩地、水体等覆盖类型其生产者精度和用户精度有大幅提高。（2）利用SPOT-5高分辨率影像进行洞庭湖湿地土地覆盖分类，选择全色波段作为纹理特征计算的数据源；通过选定样本的J-M距离确定各湿地类型相对应的最佳纹理尺度；选用QUEST算法对遥感影像光谱、纹理信息构成的数据集进行数据挖掘，构建决策树模型，对高分辨率影像进行分类。结果表明结合多尺度最佳纹理信息的高分辨率影像分类，分类精度达到78.57%，而单一光谱数据分类和结合单尺度纹理数据的分类精度分别为71.98%和76.76%。可见，纹理信息能够有效地提高地物的识别程度，多尺度纹理能够更好地描述地物的纹理特征，更有效解决分类结果中的同谱异物现象，有助于提高高分辨率影像分类精度与效率。（3）水体、泥滩地、苔草滩地、芦苇滩地、水田是本研究最主要的土地覆盖类型。水体、苔草滩地面积在所选时间跨度上先减少，后趋于稳定；泥滩地呈现持续下降的趋势。作为本区鱼类与水鸟主要栖息、觅食地的水体、泥滩地、苔草滩地的减少，表明奔去湿地退化严重威胁本区的湿地多样性保护。从1987年至1996年，研究区湿地类型发生剧烈变化，主要转化类型为泥滩地、水域、苔草滩地与林地的转化。1987年至2004年洞庭湖外湖区的林地面积仍在持续增加，同时泥滩地持续减少；在2004年-2009年区间，外湖区的林地面积一定程度出现下降，但不明显，其已经成为洞庭湖区特别是西洞庭湖区一种主要的地面覆被类型。（4）研究区景观总体的多样性和异质性变化不大；景观中各优势地类所占比重呈现先减小后增大的趋势；景观类型团聚程度增大，分散程度降低。研究区地类斑块在1987年至1996年总体呈现斑块趋于破碎化和小型化的趋势；在1996年至2009年2个时间段内，则表现为斑块趋于聚合的趋势。研究区地类斑块密度变化总体呈现先增大后减小的趋势，斑块破碎化程度在1996年达到最高，到2004年时又有很大程度好转，景观趋于完整；斑块边界密度在1996年至2009年之间总体下降，研究区地类形状趋于规则，受到较为剧烈的人为干扰。研究区地类呈现出聚集度增加的趋势。
【学位授予单位】：中国林业科学研究院
【学位级别】：博士
【学位授予年份】：2012
【分类号】：X37

【引证文献】