紫金山国家森林公园全极化雷达图像分类比较

• 作者: 张密芳 李明阳 杨玉峰 胡曼 荣媛
• 来源期刊: 森林与环境学报
• 学科: 农学
• 关键词: 极化合成孔径雷达 图像分类 目标分解 随机森林
• 年，卷（期）: 2016,（1）
• 页码范围: 124-128
• 页数: 5页
• 分类号: S758.5
• 字数: 4173字
• 语种: 中文
• DOI: 10.13324/j.cnki.jfcf.2016.01.020

摘要

全极化雷达图像的最大优点是能够获取目标的全极化散射特征,从而使其在地表植被的分类和森林参数反演中具有较大的应用价值。以紫金山国家森林公园为研究对象,2011年的全极化雷达数据、典型地类野外调查数据为主要信息源,在PAULI、 SINCLAIR、 CLOUDE-POTTIER、 FREEDMAN-DURDEN四种目标特征值分解基础上,采用最大似然、支持向量机、神经元网络和随机森林4种方法进行监督分类。结果表明,5种组合中12个特征值组成的特征图像的最大似然分类的精度最高,总体分类精度为58.20%, CLOUDE-POTTIER、 FREEDMAN-DURDEN 总体分类精度较低,分别为51.86%、52.36%；4种分类方法中,12个特征值组合的图像的随机森林分类方法的总体分类精度最高,总体分类精度为74.29%,神经元网络的分类精度较低,总体分类精度为56.98%；6种地类中,针叶林、阔叶林和建筑的分类精度较高,草地、水体和裸地的分类精度较低。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明阳	南京林业大学林学院	106	1400	22.0	32.0
2	张密芳	南京林业大学林学院	5	25	4.0	5.0
3	胡曼	南京林业大学林学院	7	39	4.0	6.0
4	杨玉峰	南京林业大学林学院	3	5	2.0	2.0
5	荣媛	南京林业大学林学院	5	20	3.0	4.0