基于CART决策树的自然保护区植被类型分布研究

发布时间：2021-10-08 23:19

　　【目的】针对保护区监测需求,充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势,提高保护区植被类型遥感监测的精度,为保护区管理决策提供依据。【方法】以甘肃省白水江国家级自然保护区为研究区,主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先,对GF-1WFV数据进行多尺度分割,将研究区划分为诸多区域性的分割对象;然后,以分割对象为基本单元,研究光谱特征、几何特征、纹理特征不同组合情况下,基于CART决策树分类的结果;最后,利用训练样本建立基于TTA的精度检验,并基于混淆矩阵对分类结果进行分析。【结果】在多尺度分割过程中,形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好;当形状因子和紧致度固定时,研究区最佳分割尺度为40。精度检验结果表明,基于CART决策树的保护区植被类型分类结果整体精度均在83%以上,Kappa系数在0.80以上,优于最邻近分类法和支持向量机分类算法,其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高,总体精度为85.18%,Kappa系数为0.83... 

【文章来源】：北京林业大学学报. 2020,42(06)北大核心CSCD

【文章页数】：10 页

【参考文献】：
期刊论文
[1]综合应用多源遥感数据的面向对象土地覆盖分类方法[J]. 李晓红,陈尔学,李增元,李世明.  林业科学. 2018(02)
[2]基于面向对象和CART决策树方法的遥感影像湿地变化检测研究——以龙祥岛地区为例[J]. 马宇龙,林志垒.  福建师范大学学报(自然科学版). 2017(06)
[3]基于WorldView-2影像数据对杭州西湖区绿地信息提取研究[J]. 钱军朝,徐丽华,邱布布,陆张维,庞恩奇,郑建华.  西南林业大学学报(自然科学). 2017(04)
[4]无人机遥感数据处理与滑坡信息提取[J]. 陈天博,胡卓玮,魏铼,胡顺强.  地球信息科学学报. 2017(05)
[5]基于纹理信息CART决策树的林芝县森林植被面向对象分类[J]. 郝泷,陈永富,刘华,朱雪林,达哇扎西,李伟娜.  遥感技术与应用. 2017(02)
[6]基于CART决策树的ZY-3卫星遥感数据土地利用分类监测[J]. 孙建伟,王超,王娜,马婧婧,罗静.  华中师范大学学报(自然科学版). 2016(06)
[7]基于Landsat 8 OLI辅助的亚米级遥感影像树种识别[J]. 魏晶昱,毛学刚,方本煜,包晓建,许振宇.  北京林业大学学报. 2016(11)
[8]基于多源多时相遥感影像的山地森林分类决策树模型研究[J]. 雷光斌,李爱农,谭剑波,张正健,边金虎,靳华安,赵伟,曹小敏.  遥感技术与应用. 2016(01)
[9]峰丛洼地农作物面向对象信息提取规则集[J]. 蔡耀君,华璀,卢远.  遥感信息. 2015(03)
[10]基于遥感影像的棉花种植面积提取方法研究[J]. 张小平,曹卫彬,刘姣娣.  安徽农业科学. 2011(07)



本文编号：3425166