基于ITC校正的福州市植被分类及其变化驱动力分析

摘要

为了提高复杂地形区域植被分类的精度，采用ITC校正方法对福州市2014年和2023年的Landsat遥感影像进行地形校正，结合随机森林（RF）算法和递归特征消除（RFE）算法进行特征优选，以构建消除地形影响的最优特征子集，最终利用随机森林分类器实现植被分类。通过变化率指标揭示福州市2014—2023年各植被类型的动态变化程度，并探讨植被空间变化背后的驱动因素。结果表明：ITC校正方法能够有效将本影与落影的光谱数据恢复至光照区水平，校正后植被分类的总体精度和Kappa系数得到有效提高；2014—2023年间，福州市植被总面积呈现减少趋势，变化率为-0.71%；因子探测发现不同阶段植被空间变化的驱动因素存在显著差异，但气温、土壤类型和夜间灯光亮度始终是关键影响因素；交互探测发现各年份因子之间均表现出双因子增强或非线性增强的交互作用，表明因子间的交互作用进一步加速了植被空间的变化。

关键词

地形校正 / 植被分类 / 特征优选 / 地理探测器