基于随机森林模型的陆地卫星-8遥感影像森林植被分类

被引：65

作者：

张晓羽

李凤日

甄贞

赵颖慧

机构：

[1] 东北林业大学

来源：

东北林业大学学报 | 2016年 / 44卷 / 06期

关键词：

随机森林模型法; 陆地卫星-8遥感影像; 森林植被分类;

D O I：

10.13759/j.cnki.dlxb.2016.06.005

中图分类号：

S771.8 [森林遥感];

学科分类号：

1404 ;

摘要：

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。

引用

页码：53 / 57+74 +74

页数：6

共 18 条

[1] 基于随机森林算法的农耕区土地利用分类研究 [J].

马玥 ;

姜琦刚 ;

孟治国 ;

李远华 ;

王栋 ;

刘骅欣 .

农业机械学报, 2016, 47 (01) :297-303

[2] 基于随机森林和MR8滤波器的图像分类研究 [J].

黄婷 ;

赵自明 .

嘉应学院学报, 2015, 33 (02) :26-32

[3] 基于RF模型的高分辨率遥感影像分类评价 [J].

刘海娟 ;

张婷 ;

侍昊 ;

徐雁南 ;

吴文龙 ;

余佩玲 .

南京林业大学学报(自然科学版), 2015, 39 (01) :99-103

[4] 基于随机森林的大姚县TM遥感影像分类研究 [J].

王栋 ;

岳彩荣 ;

田传召 ;

范怀刚 ;

王跃辉 .

林业调查规划, 2014, 39 (02) :1-5

[5] 随机森林方法研究综述 [J].

方匡南 ;

吴见彬 ;

朱建平 ;

谢邦昌 .

统计与信息论坛, 2011, 26 (03) :32-38

[6] 应用ENVI软件目视解译TM影像土地利用分类 [J].

王玉丽 ;

马震 .

现代测绘, 2011, 34 (01) :11-13

[7] 一种基于植被指数的遥感影像决策树分类方法 [J].

潘琛 ;

杜培军 ;

罗艳 ;

袁林山 .

计算机应用, 2009, 29 (03) :777-780+797

[8]

Tree species classification in subtropical forests using small-footprint full-waveform LiDAR data[J] . Lin Cao,Nicholas C. Coops,John L. Innes,Jinsong Dai,Honghua Ruan,Guanghui She.International Journal of Applied Earth Observatio . 2016

[9]

Spatial application of Random Forest models for fine-scale coastal vegetation classification using object based analysis of aerial orthophoto and DEM data[J] . Anders Juel,Geoffrey Brian Groom,Jens-Christian Svenning,Rasmus Ejrn?s.International Journal of Applied Earth Observatio . 2015

[10] Single tree species classification from Terrestrial Laser Scanning data for forest inventory [J].

Othmani, Ahlem ;

Voon, Lew F. C. Lew Yan ;

Stolz, Christophe ;

Piboule, Alexandre .

PATTERN RECOGNITION LETTERS, 2013, 34 (16) :2144-2150

← 1 2 →