决策树结合混合像元分解的中国竹林遥感信息提取
竹林是中国亚热带地区特殊而重要的森林资源,现有方法难以实现全国范围竹林时空分布信息快速准确提取.针对此问题,本研究利用2003年、2008年、2014年MODIS NDVI、反射率产品数据和省域Landsat分类数据,提出了基于决策树结合混合像元分解的全国竹林信息提取方法.首先,通过最大似然法获取中国林地分布信息;然后,在林地信息的基础上,构建决策树模型提取中国竹林分布信息;最后,采用线性最小二乘法混合像元分解得到中国竹林丰度图,并计算竹林面积.研究结果表明:(1)最大似然法提取的3个时期中国林地信息的生产者与用户精度均在90％以上,Kappa系数均值为0.93,为竹林信息提取奠定了基础.(2)C5.0算法构建的决策树模型能够很好的提取中国竹林时空分布信息,3个时期竹林分类精度均在80％左右.(3)在混合像元分解的基础上,统计得到的全国各省竹林估算面积与清查面积具有较高的相关性,R2分别为0.98、0.97和0.95,RMSE范围为3.92万-9.58万ha,说明估算得到全国竹林面积与实际情况较为吻合.本研究所提出基于MODIS遥感数据运用C5.0算法决策树结合混合像元分解的方法,实现了全国竹林时空分布信息的准确提取,为全国竹林资源信息动态监测及管理提供了技术手段和数据支撑.
中国竹林、MODIS数据、C5.0算法、决策树分类、混合像元分解
23
国家自然科学基金31670644,31370637,31500520;浙江省自然科学基金项目LR14C160001,LQ15C160003;浙江省与中国林业科学研究院省院合作林业科技项目2017SY04;浙江省竹资源与高效利用协同创新中心开放项目
2019-03-08（万方平台首次上网日期，不代表论文的发表时间）
共11页
166-176
