基于Sentinel遥感数据的红树林信息提取研究——以广西茅尾海为例
发布时间：2021-09-08 20:59
基于2018年的Sentinel-1雷达影像和Sentinel-2光学影像数据,采用面向对象技术获取影像的光谱、几何、纹理、自定义特征和多极化后向散射系数5个种类的90个特征变量,基于随机森林算法进行特征选择,并构建多种特征组合方案,利用随机森林分类器对保护区内的地物进行识别并提取红树林信息。结果表明:多特征耦合优化模式的分类效果最好,总体精度为89.60%,Kappa系数为0.8756,其中,红树林的制图精度与用户精度分别为96.39%、97.56%;识别出的茅尾海红树林面积为19.2km2,占整个研究区的2.67%。该研究揭示了Sentinel-1和Sentinel-2数据在红树林监测中的应用潜力。
【文章来源】：地理与地理信息科学. 2020,36(04)北大核心CSCD
【文章页数】：7 页
【部分图文】：
研究区采样点分布
本研究技术路线（图2）为：基于面向对象方法将多源Sentinel遥感影像分割为若干个对象单元，提取对象单元的光谱特征、纹理特征、几何特征、自定义特征与多极化后向散射系数在内的5个种类90个特征变量，利用随机森林OOB(Out of Bag）误差率度量所有特征的重要性，依据特征重要性优化特征空间，并根据优选特征构建7种不同的提取方案，以随机森林为分类器对不同方案的结果进行精度检验，选出最优的分类结果，制作红树林分布图。2.1 面向对象分割
在方案F的基础上，采用随机森林算法计算90个特征的重要性得分，将得分由高到低排序，以5为步长，分别选取前5、前10、前15个特征，直至所有特征都被选取；每次选取的特征分别参与随机森林分类，并计算总体分类精度与Kappa系数，绘制特征变量数量与分类精度和Kappa系数的关系图，以寻找最优参数组合的特征数量。由图3可知，随着参与分类的特征变量数量增加，分类精度与Kappa系数呈先增后减趋势，不随特征变量数量的增加而提高；当m取20时，两者均达到最大值，分别为89.60%和0.8756，表明优选特征为20个，包括8个光谱特征、3个纹理特征、3个形状特征，2个多极化后向散射系数和4个自定义特征，各特征的重要性得分如表2所示。该优选特征集包含所有的特征类别，只有综合多源特征才能达到满意的分类效果。3.2 影像分割结果
【参考文献】：
期刊论文
[1]基于GF-2影像的广西茅尾海红树林物种分类及盖度估算分析[J]. 马云梅,吴培强,潘良浩,王锦锦,王建步,任广波,马毅. 海洋科学. 2019(06)
[2]利用物候差异与面向对象决策树提取油菜种植面积[J]. 李中元,吴炳方,张淼,邢强,李名勇,闫娜娜. 地球信息科学学报. 2019(05)
[3]基于Google Earth Engine的红树林年际变化监测研究[J]. 刘凯,彭力恒,李想,谭敏,王树功. 地球信息科学学报. 2019(05)
[4]1987以来海南省清澜港红树林变化的遥感监测与分析[J]. 甄佳宁,廖静娟,沈国状. 湿地科学. 2019(01)
[5]孟加拉国海岸带近30 a红树林变化遥感分析[J]. 周磊,马毅,任广波. 海洋环境科学. 2019(01)
[6]1980—2015年间泰国红树林资源变化的遥感监测与分析[J]. 吴培强,张杰,马毅,任广波. 海洋科学进展. 2018(03)
[7]一种基于多源多时相遥感信息的城市水稻田分布提取方法[J]. 栗云峰,甘乐,林聪,梁昊,王欣,杜培军. 地理与地理信息科学. 2018(03)
[8]融合光学与雷达遥感数据的城市不透水面提取方法[J]. 张鸿生,林殷怡,王挺,宛罗马,李煜,林珲,张渊智. 地理与地理信息科学. 2018(03)
[9]基于高分辨率卫星影像的广西红树林面积监测与群落调查[J]. 陶艳成,葛文标,刘文爱,潘良浩,邱广龙,王欣,范航清. 自然资源学报. 2017(09)
[10]Sentinel-2卫星影像的大气校正方法[J]. 苏伟,张明政,蒋坤萍,朱德海,黄健熙,王鹏新. 光学学报. 2018(01)
博士论文
[1]1973～2013年中国红树林动态变化遥感分析[D]. 贾明明.中国科学院研究生院（东北地理与农业生态研究所） 2014
[2]北部湾红树林空间分布信息提取与种类识别遥感研究[D]. 李姗姗.南京大学 2012
硕士论文
[1]基于多源遥感数据的红树林遥感信息识别研究[D]. 周振超.吉林大学 2019
[2]1985～2015年中国典型红树林自然保护区遥感监测与分析[D]. 郑晓敏.福建农林大学 2017
本文编号：3391475
【文章来源】：地理与地理信息科学. 2020,36(04)北大核心CSCD
【文章页数】：7 页
【部分图文】：
研究区采样点分布
本研究技术路线（图2）为：基于面向对象方法将多源Sentinel遥感影像分割为若干个对象单元，提取对象单元的光谱特征、纹理特征、几何特征、自定义特征与多极化后向散射系数在内的5个种类90个特征变量，利用随机森林OOB(Out of Bag）误差率度量所有特征的重要性，依据特征重要性优化特征空间，并根据优选特征构建7种不同的提取方案，以随机森林为分类器对不同方案的结果进行精度检验，选出最优的分类结果，制作红树林分布图。2.1 面向对象分割
在方案F的基础上，采用随机森林算法计算90个特征的重要性得分，将得分由高到低排序，以5为步长，分别选取前5、前10、前15个特征，直至所有特征都被选取；每次选取的特征分别参与随机森林分类，并计算总体分类精度与Kappa系数，绘制特征变量数量与分类精度和Kappa系数的关系图，以寻找最优参数组合的特征数量。由图3可知，随着参与分类的特征变量数量增加，分类精度与Kappa系数呈先增后减趋势，不随特征变量数量的增加而提高；当m取20时，两者均达到最大值，分别为89.60%和0.8756，表明优选特征为20个，包括8个光谱特征、3个纹理特征、3个形状特征，2个多极化后向散射系数和4个自定义特征，各特征的重要性得分如表2所示。该优选特征集包含所有的特征类别，只有综合多源特征才能达到满意的分类效果。3.2 影像分割结果
【参考文献】：
期刊论文
[1]基于GF-2影像的广西茅尾海红树林物种分类及盖度估算分析[J]. 马云梅,吴培强,潘良浩,王锦锦,王建步,任广波,马毅. 海洋科学. 2019(06)
[2]利用物候差异与面向对象决策树提取油菜种植面积[J]. 李中元,吴炳方,张淼,邢强,李名勇,闫娜娜. 地球信息科学学报. 2019(05)
[3]基于Google Earth Engine的红树林年际变化监测研究[J]. 刘凯,彭力恒,李想,谭敏,王树功. 地球信息科学学报. 2019(05)
[4]1987以来海南省清澜港红树林变化的遥感监测与分析[J]. 甄佳宁,廖静娟,沈国状. 湿地科学. 2019(01)
[5]孟加拉国海岸带近30 a红树林变化遥感分析[J]. 周磊,马毅,任广波. 海洋环境科学. 2019(01)
[6]1980—2015年间泰国红树林资源变化的遥感监测与分析[J]. 吴培强,张杰,马毅,任广波. 海洋科学进展. 2018(03)
[7]一种基于多源多时相遥感信息的城市水稻田分布提取方法[J]. 栗云峰,甘乐,林聪,梁昊,王欣,杜培军. 地理与地理信息科学. 2018(03)
[8]融合光学与雷达遥感数据的城市不透水面提取方法[J]. 张鸿生,林殷怡,王挺,宛罗马,李煜,林珲,张渊智. 地理与地理信息科学. 2018(03)
[9]基于高分辨率卫星影像的广西红树林面积监测与群落调查[J]. 陶艳成,葛文标,刘文爱,潘良浩,邱广龙,王欣,范航清. 自然资源学报. 2017(09)
[10]Sentinel-2卫星影像的大气校正方法[J]. 苏伟,张明政,蒋坤萍,朱德海,黄健熙,王鹏新. 光学学报. 2018(01)
博士论文
[1]1973～2013年中国红树林动态变化遥感分析[D]. 贾明明.中国科学院研究生院（东北地理与农业生态研究所） 2014
[2]北部湾红树林空间分布信息提取与种类识别遥感研究[D]. 李姗姗.南京大学 2012
硕士论文
[1]基于多源遥感数据的红树林遥感信息识别研究[D]. 周振超.吉林大学 2019
[2]1985～2015年中国典型红树林自然保护区遥感监测与分析[D]. 郑晓敏.福建农林大学 2017
本文编号：3391475
本文链接：https://www.wllwen.com/wenshubaike/mfmb/3391475.html
