结合植被覆盖度指数的土地覆盖分类方法研究——以巴基斯坦信德地区为例

摘要

基于Landsat 8 OLI反射率数据，结合定量遥感反演植被覆盖度（fractional vegetation cover,FVC）提取的植被物候特征数据，对比了神经网络、支持向量机和随机森林3种土地覆盖分类方法.结果表明：随机森林分类方法具有较好的结果，反射率结合植被特征数据的分类方法的总体精度为85.52%,Kappa系数为0.821 2，比仅用反射率的土地覆盖分类总体精度提高了3.45百分点，Kappa系数提高0.042 9；植被覆盖度提取的植被特征数据能有效改善耕地、草地和裸地的制图精度和用户精度，对林地与水体的用户精度分别提高了7.79百分点与1.81百分点，灌木与人造地表的制图精度分别提升了7.69百分点与0.59百分点.整体来看，结合植被覆盖度及其派生植被特征进行土地覆盖信息的提取，在简单易行的同时，为提高分类精度提供了有效支持.

关键词

土地覆盖 / 植被覆盖度 / 随机森林 / 精度分析

基金资助

国家重点研发计划资助项目（2016YFB0501404）