物候特征辅助下的随机森林宏观尺度土地覆盖分类方法研究

被引:17
作者
李治 [1 ,2 ]
杨晓梅 [2 ]
孟樊 [2 ,3 ]
范文义 [1 ]
机构
[1] 东北林业大学林学院
[2] 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
[3] 中国科学院大学
关键词
随机森林; 组合分类器; NDVI时间序列; 物候学; 土地覆盖; MODIS;
D O I
暂无
中图分类号
S714.4 [森林土壤类型、土壤分类];
学科分类号
0903 ; 090301 ;
摘要
通过遥感技术获取大范围土地覆盖信息对于监测、理解和预测自然资源具有重要的科学意义。MODIS数据是当今宏观尺度土地覆盖研究的主要数据源。本文以河北省为研究区,应用MOD13Q1数据产品,构建MODIS NDVI时间序列,从中反演物候特征作为参与分类的主要辅助信息,并采用随机森林分类方法进行宏观尺度土地覆被分类实验,并与单决策树(CART)进行对比分析。实验结果表明,物候特征辅助下的随机森林宏观尺度土地覆被分类方法的总体精度为87.2%,Kappa系数为0.83,比CART单一决策树精度提高了17.9%;应用物候特征参与分类,使得总体精度提高2.6%;其中,旱地和建筑用地精度分别提高了6.7%和11.9%。
引用
收藏
页码:48 / 55
页数:8
相关论文
共 19 条
[1]   基于SPOT-VGT NDVI时间序列的农牧交错带植被物候监测 [J].
侯学会 ;
牛铮 ;
高帅 ;
黄妮 .
农业工程学报, 2013, 29 (01) :142-150+294
[2]   综合地理数据与MODIS物候特征的区域土地覆盖制图(英文) [J].
蔡红艳 ;
张树文 ;
卜坤 ;
杨久春 ;
常丽萍 .
JournalofGeographicalSciences, 2011, 21 (04) :705-718
[3]   藏北高原植被物候时空动态变化的遥感监测研究 [J].
宋春桥 ;
游松财 ;
柯灵红 ;
刘高焕 ;
钟新科 .
植物生态学报, 2011, 35 (08) :853-863
[4]   陕北黄土高原地区土地利用/覆被分类及验证 [J].
宋富强 ;
康慕谊 ;
郑壮丽 ;
王令超 ;
王国强 ;
冯德显 .
农业工程学报, 2011, 27 (03) :316-324
[5]   MODIS土地利用/覆被多时相多光谱决策树分类 [J].
刘建光 ;
李红 ;
孙丹峰 ;
张微微 ;
周连第 .
农业工程学报, 2010, 26 (10) :312-318+389
[6]  
河北经济年鉴[M]. 中国统计出版社 , 河北省人民政府办公厅, 2005
[7]  
中国物候观测方法[M]. 科学出版社 , 宛敏谓, 1979
[8]   Mapping understory vegetation using phenological characteristics derived from remotely sensed data [J].
Tuanmu, Mao-Ning ;
Vina, Andres ;
Bearer, Scott ;
Xu, Weihua ;
Ouyang, Zhiyun ;
Zhang, Hemin ;
Liu, Jianguo .
REMOTE SENSING OF ENVIRONMENT, 2010, 114 (08) :1833-1844
[9]  
Comparison and relative quality assessment of the GLC2000, GLOBCOVER, MODIS and ECOCLIMAP land cover data sets at the African continental scale[J] . Armel Thibaut Kaptué Tchuenté,Jean-Louis Roujean,Steven M. De Jong.International Journal of Applied Earth Observations and Geoinformation . 2010 (2)
[10]   Classifier ensembles for land cover mapping using multitemporal SAR imagery [J].
Waske, Bjorn ;
Braun, Matthias .
ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING, 2009, 64 (05) :450-457