关键词:
澳洲坚果
GF-2遥感影像
面向对象
特征优选
随机森林
摘要:
【目的】基于GF-2遥感影像快速准确获取澳洲坚果林的空间分布信息,为有效利用GF-2遥感影像研究西南山区澳洲坚果林分布及为山地丘陵区其他地物类型信息的提取提供参考依据。【方法】以云南省临沧市镇康县南伞镇为研究区,GF-2影像和数字高程模型(DEM)为数据源。通过面向对象的方法,提取影像对象的光谱特征、纹理特征、形状特征和地形特征共90维特征变量,设计8种组合方案(方案A1~方案A8),使用平均不纯度减少的方法对特征重要性进行度量,选取最佳特征组合,采用随机森林、支持向量机和决策树算法对澳洲坚果林进行提取,探讨不同特征类型和分类算法对澳洲坚果林提取精度的影响。【结果】相比遍历分割参数法,尺度参数估算(ESP)工具和邻域差分绝对值与标准差比(RMAS)结合的方法能够更高效、客观地确定特定地物的最佳分割尺度;通过对比方案A8和方案A7可知,方案A8中加入地形特征后,整体特征维度有所降低,主要表现为纹理特征数量减少,仅保留4个纹理特征。不同类型特征对澳洲坚果林识别的贡献排序为光谱特征>地形特征>纹理特征>形状特征。在分类算法角度方面,随机森林在总体精度(OA)、用户精度(UA)、生产者精度(PA)和Kappa系数等精度指标上均优于支持向量机和决策树,方案A8融合了所有特征取得最佳的分类效果,4个指标均高于其他方案。光谱特征、纹理特征、形状特征和地形特征组合的随机森林分类方法精度最佳,OA达95.8%,澳洲坚果林的PA为87.7%,UA为94.3%。澳洲坚果林空间分布特征结果显示,澳洲坚果在15°~20°坡度范围的种植面积最大,为2.9 km^(2);澳洲坚果林面积主要分布在东南坡向和900~1200 m的海拔范围内。【结论】地形+纹理+形状+地形组合方案经特征优选后结合随机森林算法,能够有效识别澳洲坚果林的分布。GF-2遥感数据与面向对象法在南方山地丘陵区澳洲坚果林制图与资源监测具有应用潜力,可用于该地区其他地物类型信息的识别。