基于Sentinel-2时序多特征的植被分类

摘要：

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、 准确地识别植被类型.以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类.采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数(normalized difference vegetation index,NDVI)并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被.然后选取NDVI时间序列、 最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、 草地、 常绿针叶林、 落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析.NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64％,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73％和14.61％,Kappa系数提高了0.20和0.18.其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65％和92.31％.从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度.

关键词：森林经理学、Sentinel-2、归一化植被指数时间序列、多特征、植被类型

所属期刊栏目：36

分类号：S757.2(森林经营学、森林计测学、森林经理学)

资助基金："十三五" 国家重点研发计划项目2017YFD06009

在线出版日期：2019-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：849-856