基于国产高分遥感数据的黑龙江三江湿地分类

摘要：

[目的]湿地是重要的生态系统之一,实现湿地信息的自动提取和动态监测对湿地资源的科学管理和利用有重要的意义.黑龙江三江湿地是我国最大的淡水沼泽湿地,具有丰富的野生动植物资源.探究国产高分五号(GF-5)高光谱和高分六号(GF-6)多光谱遥感数据及其不同特征组合在中高纬度湿地信息分类中的能力,为三江湿地的可持续发展提供科学依据.[方法]首先对获取的高分数据进行辐射定标、大气校正、地理配准、镶嵌和裁剪预处理后,然后采用主成分分析法(Principal Component Analysis,PCA)对高光谱数据进行降维和特征筛选,最终从GF-5遥感影像中选取了5个特征;在GF-6的8个原始波段基础上通过波段计算提取了指数特征(NDVI、NDWI),增加到10个波段,并将GF-5和GF-6影像提取特征进行组合,利用支持向量机(SVM)、随机森林算法(RF)和K-近邻算法(KNN)等3种分类器提取湿地信息.[结果]基于GF-5和GF-6波段组合后的特征组合与SVM算法的结合获取的湿地信息总体分类效果最好,总体精度可达到88.96％,Kappa系数为0.85,能够合理地提取三江湿地的不同地类信息.根据混淆矩阵的数据统计可知,湿地重要的地类草本和水域错分比例明显减少,此外大面积噪声情况有所改善并且细小狭长的水域能够被识别分类.[结论]不同源数据和特征组合的湿地信息提取的精度表明高光谱和多光谱遥感数据的特征组合可以提供丰富的光谱信息,显著减少了"同物异谱,同谱异物"的情况;而且基于GF-5和GF-6特征组合,应用SVM算法,可以获得较高的分类精度,对比单一的GF-5和GF-6遥感数据,总体精度分别提高了16.74％和3.3％,为构建国产高分卫星数据的湿地信息智能提取理论和方法提供技术支撑.

关键词：三江湿地、支持向量机、随机森林、K-近邻算法、GF-5、GF-6

所属期刊栏目：42

分类号：S771.8(森林工程、林业机械)

资助基金：国防科技项目基金（非规范项目名称）21-Y30B02-9001-19/22-2

在线出版日期：2022-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：71-81