综合光谱纹理和时序信息的油茶遥感提取研究

摘要：

具有极高营养价值且被誉为东方"橄榄油"的油茶树是我国南方地区重要经济林,我国是世界上油茶树分布最广的国家.提取油茶种植分布和面积对林业部门开展油茶的宏观管理和生产指导具有重要意义.以地处亚热带地物复杂且多山地丘陵的湖南省常宁市为研究区,该区域分布有大量农田和森林,且部分植被季节变化较大,对油茶的遥感提取带来了很大挑战.提出了基于春夏秋三期的GF-2号高分辨率卫星影像,综合植被指数、纹理特征、PCA主成分3种特征,以及春夏、春秋、夏秋、春夏秋四种不同时序组合和随机森林(RF)算法共构建了17种分类场景(S1—S17),运用随机森林(RF)、支持向量机(SVM)、最大似然(MLC)三种不同分类算法开展油茶遥感提取实验,筛选出最优特征组合、最佳分类季节与最优时序组合、最优分类方法.结果表明:仅基于光谱信息分类精度低,纹理特征的加入可大幅提升精度,而PCA对于精度的提升效果微弱;通过比较不同季节单时期的分类结果发现油茶提取精度最高的季节为夏季,夏季单时期影像在最优特征组合(S8)中油茶生产者精度(PA)为94.06％,油茶用户精度(UA)为92.57％;在分类场景S10-S17中实验发现,采用时序信息要比单时期影像有明显的精度提升,时序组合分类精度由高到低依次为:春夏秋、春夏、春秋、夏秋;综合光谱、纹理、时序信息通过随机森林(RF)、支持向量机(SVM)、最大似然(MLC)进行油茶提取,随机森林算法分类精度总体表现最好.采用春夏秋多时相遥感植被指数、纹理、PCA的随机森林方法(S17)是分类精度最高的方案,总体精度(OA)和Kappa系数分别为96.85％和0.961 0,油茶生产者精度(PA)为98.31％,油茶用户精度(UA)为94.33％;采用春夏时相遥感植被指数、纹理的随机森林方法(S10)为兼顾计算效率与精度的最优方案,总体精度(OA)和Kappa系数分别为95.62％和0.9458,油茶生产者精度(PA)为96.93％,油茶用户精度(UA)为95.09％.所提出的最佳油茶遥感提取方案能够为亚热带地区油茶及其他经济林的遥感监测提供参考.

关键词：油茶、遥感、时序、植被指数、纹理特征

所属期刊栏目：43

分类号：TP753(遥感技术)

资助基金：国家重点研发计划2020YFD1100200

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1589-1597