利用多尺度遙感數據的竹林信息提取研究.pdf

1、竹林是熱帶和亞熱帶地區一種分布廣泛的森林資源類型，其加工利用方便、綜合效益良好。同時，竹林具有良好的固碳能力，確定竹林分布的面積是評估竹林在全球碳循環中對于二氧化碳吸收作用的基礎。相比于其他森林，竹林擴鞭出筍，克隆生長，具有面積自我擴張功能，傳統的確定大范圍竹林面積與空間分布的方法耗時費力，常常不能滿足竹林監測的需要。利用遙感手段對竹林信息進行監測很好地彌補了傳統手段在這方面的不足。
　　本次研究以竹林為主要研究對象，采用多尺度遙

2、感技術（Landsat8OLI、MODIS及其他輔助數據），以層層分類的方式建立中等分辨率影像結果為參考數據的多元線性省域尺度竹林提取模型，模型所需變量加入了時間序列季節性參數，并采用隨機森林方法進行特征選擇及竹林信息提取，與新建模型進行對比，再對主要影響竹林估算精度的因子進行分析，得到以下結論：
　?。?）基于近紅外與短波紅外波段的植被指數NDWI在竹林信息提取中要比其他植被指數更有效。相比單純的植被指數或者匹配濾波的方法，基于

3、植被指數NDWI與匹配濾波的混合方法擁有更好的竹林信息提取能力，提供了一種新的快速而準確地竹林分類制圖方法。
　?。?）在MODIS數據中，常規波段的近紅外（845–885nm），短波紅外1（1560–1660nm），植被指數的LWSI、SATVI和NDSVI，季節性參數中EVI時間序列的base value和end of season對于省域尺度的竹林信息提取最有效果；NDVI和EVI時間序列中，都存在竹林的生長季振幅大于闊葉林

4、的情況。綜合來看，EVI時間序列對于植被生長變化更加敏感。
　?。?）從隨機森林方法來看，將所有41個變量放入算法中得到的竹林信息提取結果總體精度優于其他變量組合所得結果，其次是植被指數變量的隨機森林信息提取結果。EVI季節性參數在竹林信息提取中要遠優于NDVI季節性參數。從多元回歸模型方法來看，采用LWSI，SATVI，NDSVI，EVI_base value和EVI_end of season所構建的模型總體精度要比使用常規波

5、段（b2,b4,b5和b7）所構建的模型精度高。綜合來看，利用少數5個變量構建的省域尺度竹林信息提取模型與隨機森林算法結果相比雖然精度不及，相差1.30％，但是能大大縮短竹林信息提取的時間，提高提取的效率，降低對計算機硬件配置的要求。
　?。?）遙感處理過程、空間格局以及像元本身混合程度都會對所構建模型精度產生影響。在空間景觀格局中，無論是斑塊類型尺度還是景觀尺度，所構建模型的精度都與描述空間上斑塊或者景觀聚集程度的指標有較大的聯