结合潮位与DEM的红树林遥感识别研究OA北大核心CSTPCD
以广西北部湾为研究区,针对潮位周期性变化导致稀疏低矮红树林难以被准确提取的问题,基于多潮位Landsat8 OLI图像和数字高程模型(DEM)数据,通过构建红树林识别决策树模型,并以支持向量机(SVM)为对照,评价结合潮位和DEM信息的决策树法提取红树林信息的可行性.研究结果表明:1)不同高度、不同密度以及不同潮位红树林之间光谱差异均较大,稀疏低矮红树林也与阴坡林地、水体-陆生植被混合像元光谱存在严重“异物同谱”效应;2)无论是基于低潮位、高潮位图像,还是多潮位图像,相比未区分高度和密度,在SVM中将细分为高密红树林和稀矮红树林,其总体精度(分为红树林和非红树林两类)可分别提高4.65、4.41和7.22个百分点;3)基于多潮位图像及DEM的决策树模型识别的总体精度和Kappa系数分别为98.80%和0.973,比SVM中最佳值分别高出1.62个百分点和0.035.因此,通过同时考虑红树林高度、密度、潮位和DEM等特征,可明显提高红树林遥感识别的精度.
张雪红;葛州徽;甄晓菊;姜楠;董天赐;
南京信息工程大学遥感与测绘工程学院,南京210044河北省气象与生态环境重点实验室,石家庄050021
计算机与自动化
红树林Landsat 8 OLI潮位数字高程模型(DEM)决策树
《南京信息工程大学学报》 2024 (005)
P.727-736 / 10
国家自然科学基金(41871239);中国气象局雄安大气边界层重点开放实验室(培育)开放课题(2023LABL-B16);2020年度江苏高校“青蓝工程”优秀青年骨干教师;河北省省级科技计划(21567624H)。
评论