首页|基于Landsat 8时间序列数据的翠岗林场森林类型划分

基于Landsat 8时间序列数据的翠岗林场森林类型划分

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
探讨增强型植被指数(EVI)时间序列数据对提升森林类型识别精度的实际作用,可以促进光学遥感数据在森林资源调查和监测领域的深层次应用.以大兴安岭新林林业局翠岗林场为对象,以2014-2018年的20景Landsat 8 OLI时间序列数据、2017-2019年的56块固定样地数据和2016年二类调查数据为基础,运用随机森林算法,以光谱特征、纹理特征和EVI时间序列特征为基础构建6种不同的分类方案,实现翠岗林场森林类型的划分,并评估不同分类方案的精度.结果表明:落叶松林、白桦林、针阔混交林、针叶混交林和阔叶混交林的EVI值在非生长季(36-111日和287-367日)间差异较大,其间针叶混交林EVI值显著高于其他4种森林类型,而阔叶混交林EVI值始终低于其他4种森林类型;在生长季早期(111-143日),白桦林EVI值高于落叶松EVI值,可有效区分白桦林和落叶松林;在6种分类方案中,光谱特征+纹理特征+EVI时间序列特征的分类精度最高,其Kappa达到0.82、分类精度86.1％.对比结果表明,加入植被指数时间序列特征的总体精度比光谱特征的总体精度提高了 14.3％.因此,光谱特征、纹理特征及EVI时间序列特征组合下的随机森林算法能够对翠岗林场森林类型进行有效划分,具有良好的识别精度和可信度.
Classification of forest types in Cuigang Forest Farm based on time series data of Landsat 8

董灵波、梁凯富、张一帆、刘兆刚

展开 >

东北林业大学林学院,森林生态系统可持续经营教育部重点实验室,哈尔滨150040

中船(浙江)海洋科技有限公司,浙江舟山316021

时间序列数据 大兴安岭 森林类型 随机森林算法

32171778

2022

10.13287/j.1001-9332.202209.007

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(9)
  • 2
  • 25