光学协同合成孔径雷达数据的森林类型分类研究

孙妙琦, 岳彩荣, 段云芳, 罗洪斌, 余琼芬, 罗广飞, 徐天蜀

PDF(6740 KB)
PDF(6740 KB)
森林工程 ›› 2024, Vol. 40 ›› Issue (04) : 115-126.

光学协同合成孔径雷达数据的森林类型分类研究

  • 孙妙琦, 岳彩荣, 段云芳, 罗洪斌, 余琼芬, 罗广飞, 徐天蜀
作者信息 +

国家自然基金项目(42061072); 西南林业大学预科基金项目(18200139); 云南省科技厅重大科技专项项目(202002AA00007-015)

Author information +
History +

摘要

为探究光学数据和合成孔径雷达(Synthetic Aperture Radar,SAR)数据在森林类型分类中的优势和互补性,以云南省普洱市思茅区的Landsat 8数据与微波遥感SAR影像ALOS2数据相交覆盖区域为研究区,采用分层分类技术进行森林类型分类研究。构建3种特征集,光学数据特征集(光谱+植被因子+纹理+地形特征)、SAR特征集(后向散射+极化分解特征)、光学-SAR融合数据特征集(光谱+植被因子+纹理+地形+后向散射+极化分解特征),并使用递归特征消除法(Recursive Feature Elimination,RFE)对提取的3种特征集分别进行分层特征筛选,再用随机森林(Random forest,RF)、支持向量机(Support Vector Machine,SVM)对森林类型分类,光学-SAR融合数据SVM的分类效果最好。结果表明,1)在第1层(植被/非植被)分类时,总体精度为98.57%,Kappa系数为0.971;2)在第2层(森林/非森林植被)分类时,总体精度为92.14%,Kappa系数为0.826;3)在第3层(针/阔/混交林)分类时,总体精度为83.47%,Kappa系数为0.743。融合数据相比于光学数据集分类精度提高9.91%,比SAR分类精度提高24.97%;4)在融合数据集进行第3层次的分类中,对比不同窗口3×3、5×5、7×7、9×9下的光学图像纹理特征对分类结果的影响,7×7纹理窗口下精度最高。结果表明,多源数据协同的森林类型分类精度相比于单一数据源精度更高。

关键词

协同分类 / 全极化SAR数据 / 特征融合 / 多源遥感 / 森林类型

中图分类号

TN957.52 / S718.5

引用本文

导出引用
孙妙琦, 岳彩荣, 段云芳, 罗洪斌, 余琼芬, 罗广飞, 徐天蜀. 光学协同合成孔径雷达数据的森林类型分类研究. 森林工程. 2024, 40(04): 115-126
国家自然基金项目(42061072); 西南林业大学预科基金项目(18200139); 云南省科技厅重大科技专项项目(202002AA00007-015)[J]. Forest Engineering. 2024, 40(04): 115-126

评论

PDF(6740 KB)

Accesses

Citation

Detail

段落导航
相关文章

/