基于CART决策树的自然保护区植被类型分布研究

• 作者: 白莹 胡淑萍
• 来源期刊: 北京林业大学学报
• 学科: 农学
• 关键词: 面向对象 CART决策树 植被类型 GF-1遥感数据 自然保护区
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 林学
• 页码范围: 113-122
• 页数: 10页
• 分类号: S771.8
• 字数: 5940字
• 语种: 中文
• DOI: 10.12171/j.1000?1522.20190269

摘要

[目的]针对保护区监测需求,充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势,提高保护区植被类型遥感监测的精度,为保护区管理决策提供依据.[方法]以甘肃省白水江国家级自然保护区为研究区,主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等.首先,对GF-1 WFV数据进行多尺度分割,将研究区划分为诸多区域性的分割对象;然后,以分割对象为基本单元,研究光谱特征、几何特征、纹理特征不同组合情况下,基于CART决策树分类的结果;最后,利用训练样本建立基于TTA的精度检验,并基于混淆矩阵对分类结果进行分析.[结果]在多尺度分割过程中,形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好;当形状因子和紧致度固定时,研究区最佳分割尺度为40.精度检验结果表明,基于CART决策树的保护区植被类型分类结果整体精度均在83％以上,Kappa系数在0.80以上,优于最邻近分类法和支持向量机分类算法,其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高,总体精度为85.18％,Kappa系数为0.8322,优于光谱特征分类、光谱特征结合几何特征分类的方法.[结论]基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究,可有效辅助保护区监测工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白莹		5	7	2.0	2.0
2	胡淑萍	中国林业科学研究院资源信息研究所	6	27	3.0	5.0