林业科学

作者：马婷,李崇贵*,汤伏全,吕杰

单位：西安科技大学测绘科学与技术学院 西安 710054

关键词：落叶松人工林,森林类型分类,GF-1,多分类器集成

基金："十三五"国家重点研发计划"落叶松高效培育技术研究"(2017YFD0600400)

目的: 探讨多时相、多光谱和高空间分辨率影像在落叶松人工林识别中的应用潜力，通过多种特征组合方案，寻找一种多分类器集成的落叶松人工林快速识别方法，为落叶松人工林后续监测与管理提供参考。方法: 以黑龙江省孟家岗林场为研究区，基于Landsat8 OLI影像分析不同物候期树种间的光谱差异，确定落叶松人工林识别的关键波谱和物候期，同时提取多种特征信息，通过变量重要性（VIM）筛选并构建不同物候相的多特征数据集。综合随机森林（RF）、支持向量机（SVM）、最大似然（MLC）和BP神经网络4种分类算法优势，设计一种多分类器集成的分类策略进行落叶松人工林提取。结果: 在多分类器集成的分类策略下，分类总精度达93.8%，面积提取精度达96.3%；与RF、MLC、SVM和BP等分类算法相比，多分类器集成分类策略的平均分类精度提高10%。结论: 相比单一时相影像，多时相影像数据包含落叶松人工林更多物候期，可反映出落叶松人工林独特的季相特征，有利于落叶松人工林识别。多分类器集成策略综合各分类器优点，可有效提高分类精度，实现落叶松人工林高精度提取。

来源：2021年第11期

《林业科学》期刊编辑部

查看林业科学杂志2021年第11期