首页|基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别

基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
我国南方地区地形条件较为复杂且多云雨,较难获取长时间序列高空间分辨率遥感影像,而时空融合技术能够同步获取高时空分辨率遥感数据,对提取其森林植被类型信息具有重要意义.以江西省兴国县为研究区,基于增强型时空自适应反射率融合模型(ESTARFM)分别将高空间分辨率的Landsat8 OLI、GF-1 WFV影像与高时间分辨率的MODIS09 A1影像进行融合,重构增强型植被指数(EVI)8 d步长的ESTARFM_Landsat8 EVI与ESTARFM_GF-1 EVI时序数据,获取物候(PH)特征信息,并利用随机森林分类模型识别森林植被类型.结果表明:融合生成的ESTARFM_Landsat8 EVI、ESTARFM_GF-1 EVI与真实影像的相关系数均大于0.7,且在空间分布上具有较好的一致性,可用于补充缺失的高空间分辨率数据.不同组合方式的随机森林分类提取精度为EVI+PH＞EVI＞PH,且GF-1融合数据分类精度高于Landsat8融合数据.筛选出43个变量作为优选特征变量进行分类,总体精度与Kappa系数分别为95.6％和94.9％,其中,包括37个时序EVI值和6个物候特征信息,其时序EVI数据对森林植被类型识别的贡献程度更高,物候特征信息有利于分类精度的提高.ESTARFM融合算法适用于GF-1与MODIS数据,在一定程度上可解决长时间序列高空间分辨率影像不足的问题;GF-1时序融合影像在多云雨、地形条件复杂的南方地区森林植被类型识别中具有较高精度.
Identification of forest vegetation types in southern China based on spatio-temporal fusion of GF-1 WFV and MODIS data

徐丽、欧阳勋志、潘萍、臧颢、刘军、杨凯

展开 >

鄱阳湖流域森林生态系统保护与修复国家林业和草原局重点实验室,南昌330045

江西农业大学林学院,南昌330045

森林植被类型 时序数据 时空融合模型 物候

国家自然科学基金国家自然科学基金江西省教育厅科技计划

3176020731360181GJJ200448

2022

10.13287/j.1001-9332.202207.022

应用生态学报
中国生态学学会 中国科学院沈阳应用生态研究所

应用生态学报

CSTPCDCSCD北大核心
影响因子：2.114
ISSN：1001-9332
年,卷(期)：2022.33(7)
  • 1
  • 20