基于改进端元提纯模型的 MODIS 森林类型识别研究

摘要：

MODIS 遥感数据具有很高的光谱辐射精度，以及成本低、覆盖面积广、获取容易、周期短等数据特征，可以实现全覆盖大尺度区域森林类型信息快速提取，但由于其空间分辨率较低，遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果，但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯，分析各地物的 MODIS 时间序列植被指数变化规律及物候变化规律，利用决策树模型分类的结果进行端元组分的提纯，最后进行混合像元分解。研究结果表明：分类精度最高的是线性混合像元分解，其次是最大似然分类，最差的是非线性混合像元分解，其中带约束和不带约束的线性分解模型的精度相差不大。

关键词：遥感、决策树、端元提纯、混合像元、MODIS、森林

分类号：S771.8(森林工程、林业机械)

资助基金：“十二五”国家高技术研究发展计划863计划课题“数字化森林资源监测关键技术研究”2012AA102001；国家自然科学基金30871962；湖南省高校产业化培育项目13CY011

在线出版日期：2015-08-11（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：109-117