林业科学

作者：岳巍,李世明*,李增元,刘清旺,庞勇,斯林

单位：中国林业科学研究院资源信息研究所 国家林业和草原局林业遥感与信息技术重点实验室 北京 100091

关键词：多时相,简单非迭代聚类超像素分割算法,树种识别,时间序列

基金：中国林业科学研究院资源信息研究所结余资金项目(2019JYZJ05);国家重点研发计划项目(2020YFE0200800)

目的: 探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中，并对比分析不同时相数据组合对分类结果的影响，实现更高效、更精准的优势树种识别。方法: 以内蒙古旺业甸林场为研究区，在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征，采用SNIC和支持向量机(SVM)机器学习分类方法，实现面向对象的优势树种识别，并分析不同时相数据组合对优势树种识别精度的影响。结果: 多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果，春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近，总体精度分别为94.5%、95.0%和95.8%。结论: 基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种，多季节组合数据的分类结果最优，春、秋2个季节时间序列数据也能获得较好分类结果，总体精度与最优结果差距较小。

来源：2022年第9期

《林业科学》期刊编辑部

查看林业科学杂志2022年第9期