基于高分二号遥感影像树种分类的时相及方法选择

摘要：

掌握森林内树木种类及其分布情况对研究森林生态系统具有重要意义.为推广国产高分数据在森林树种分类方面的应用,同时探究不同时相、分类特征及分类器的组合对树种分类结果的影响,本研究利用3景高分二号影像构建了3种单时相和4种多时相,通过多尺度分割、C5.0特征优选及支持向量机(SVM)和随机森林(RF)两种分类器分别实现了不同时相及特征维度下面向对象的8个树种的分类,最终取得了总体精度在63.5～83.5％、Kappa系数在0.57～0.81的良好结果.结果表明:时相的选择会对分类结果产生较大的影响,其中,基于多时相的结果往往优于单时相,多时相下不同影像组合间以及单时相间亦存在明显的精度差异;特征优选会对分类精度的提升起到积极作用,应予以足够重视;SVM在不同时相及特征维度下的表现均较为稳定,在单时相及分类特征难以直接区分树种的情况下应优先使用SVM,但使用SVM时应注意其易发生过拟合;RF不易发生明显的过拟合,但其对分类特征的质量依赖较大,并倾向于在良好的影像组合下取得较为优异的结果.

关键词：高分二号、树种分类、时相选择、C5.0决策树、支持向量机、随机森林

所属期刊栏目：30

资助基金：本文由国家重点研发计划项目2016YFD0600205

在线出版日期：2020-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：4059-4070