基于非参数分类算法和多源遥感数据的单木树种分类

摘要：

[目的]通过研究随机森林(random forest,RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度.[方法]以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ran-ging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine,SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy,OA)、用户精度(user's accuracy,UA)和生产者精度(producer's accura-cy,PA)对分类结果进行对比与精度评价.[结果]经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47％,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07％.[结论]随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定.

关键词：激光雷达、单木分割、随机森林、特征筛选、支持向量机

所属期刊栏目：43

分类号：S771;TP751.1(森林工程、林业机械)

资助基金：国家自然科学基金31870530

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：103-112