基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别

摘要：

我国南方地区地形条件较为复杂且多云雨,较难获取长时间序列高空间分辨率遥感影像,而时空融合技术能够同步获取高时空分辨率遥感数据,对提取其森林植被类型信息具有重要意义.以江西省兴国县为研究区,基于增强型时空自适应反射率融合模型(ESTARFM)分别将高空间分辨率的Landsat8 OLI、GF-1 WFV影像与高时间分辨率的MODIS09 A1影像进行融合,重构增强型植被指数(EVI)8 d步长的ESTARFM_Landsat8 EVI与ESTARFM_GF-1 EVI时序数据,获取物候(PH)特征信息,并利用随机森林分类模型识别森林植被类型.结果表明:融合生成的ESTARFM_Landsat8 EVI、ESTARFM_GF-1 EVI与真实影像的相关系数均大于0.7,且在空间分布上具有较好的一致性,可用于补充缺失的高空间分辨率数据.不同组合方式的随机森林分类提取精度为EVI+PH＞EVI＞PH,且GF-1融合数据分类精度高于Landsat8融合数据.筛选出43个变量作为优选特征变量进行分类,总体精度与Kappa系数分别为95.6％和94.9％,其中,包括37个时序EVI值和6个物候特征信息,其时序EVI数据对森林植被类型识别的贡献程度更高,物候特征信息有利于分类精度的提高.ESTARFM融合算法适用于GF-1与MODIS数据,在一定程度上可解决长时间序列高空间分辨率影像不足的问题;GF-1时序融合影像在多云雨、地形条件复杂的南方地区森林植被类型识别中具有较高精度.

关键词：森林植被类型、时序数据、时空融合模型、物候

所属期刊栏目：33

分类号：TP79;P237;TP391.41

资助基金：国家自然科学基金;国家自然科学基金;江西省教育厅科技计划项目

在线出版日期：2022-08-19（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：1948-1956