基于随机森林和Sentinel-2影像数据的低山丘陵区土地利用分类——以重庆市江津区李市镇为例

被引：32

作者：

张卫春 ^{[1
,2
]}

刘洪斌 ^{[1
,2
]}

武伟 ^{[3
,2
]}

机构：

[1] 西南大学资源环境学院

[2] 重庆市数字农业重点实验室

[3] 西南大学计算机与信息科学学院

来源：

长江流域资源与环境 | 2019年 / 28卷 / 06期

关键词：

丘陵山区; 随机森林; Sentinel-2; 土地利用分类; 红边波段;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

精准的土地利用信息是土地资源监测和管理的基础。为提高低山丘陵区域的土地利用分类精度,选取重庆市江津区李市镇为研究案例,基于随机森林方法,以Sentinel-2影像数据和地形因子为数据源,提取3种变量(传统遥感数据,红边遥感数据和地形因子),合计23个特征指标,构建3个具有不同输入变量的组合模型,以提取研究区土地利用信息,分析变量的重要性。结果表明:(1)传统遥感数据模型中顺序添加红边遥感数据和地形因子,总体分类精度分别为86.54%,87.19%,88.61%;Kappa系数分别为0.800 9,0.810 2,0.831 4;(2)对模型精度有重要影响的特征指标依次是波段B2(Blue),B4(Red),B3(Green),改进归一化差异水体指数(MNDWI)和波段B5(Vegetation Red Edge 1);(3)基于随机森林的遥感数据和地形因子的组合方法,是获取研究区高精度土地利用信息的一种有效手段。研究成果可以为地形复杂区域的土地利用分类提供参考。

引用

页码：1334 / 1343

页数：10

共 32 条

[1]

基于国产GF-1的高寒山区土地利用/覆盖分类研究.[D].刘丽雅.浙江大学.2016, 08

[2] Landsat-8 vs. Sentinel-2: examining the added value of sentinel-2's red-edge bands to land-use and land-cover mapping in Burkina Faso [J].

Forkuor, Gerald ;

Dimobe, Kangbeni ;

Serme, Idriss ;

Tondoh, Jerome Ebagnerin .

GISCIENCE & REMOTE SENSING, 2018, 55 (03) :331-354

[3] Effect of red-edge and texture features for object-based paddy rice crop classification using RapidEye multi-spectral satellite image data [J].

Kim, Hyun-Ok ;

Yeom, Jong-Min .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2014, 35 (19) :7046-7068

[4]

Random forest classification of urban landscape using Landsat archive and ancillary data: Combining seasonal maps with decision level fusion.[J].Aniruddha Ghosh;Richa Sharma;P.K. Joshi.Applied Geography.2014,

[5] Remote sensing of tea plantations using an SVM classifier and pattern-based accuracy assessment technique [J].

Dihkan, Mustafa ;

Guneroglu, Nilgun ;

Karsli, Fevzi ;

Guneroglu, Abdulaziz .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2013, 34 (23) :8549-8565

[6]

Urban vegetation classification: Benefits of multitemporal RapidEye satellite data.[J].Jan Tigges;Tobia Lakes;Patrick Hostert.Remote Sensing of Environment.2013,

[7] Testing the red edge channel for improving land-use classifications based on high-resolution multi-spectral satellite data [J].