基于多源遥感数据的植被精细分类方法对比

摘要

针对东北虎豹国家公园内独特的温带森林植被，开展了关于多源遥感影像覆盖分类的研究，旨在利用现代遥感技术与先进的机器学习方法，对复杂的植被类型进行精细分类，从而更好地理解该区域的生态环境状况，并为东北虎豹国家公园的保护工作提供科学依据。首先采用多尺度图像分割技术，将原始遥感影像分解成一系列具有相似纹理和颜色特征的小区域，有助于减少数据冗余并突出植被的不同特征；接着对这些分割后的图像进行特征优化，提取能够有效区分不同植被类型的特征参数；随后将这些优化后的特征参数输入至3种不同的机器学习分类器中进行训练和测试，包括支持向量机、C5.0决策树以及随机森林。实验结果显示，在分类精度方面，随机森林精度最高，达91.33%,C5.0决策树精度达到89.59%,Kappa系数分别为0.90和0.88,而支持向量机的分类精度较低，仅为58.96%,Kappa系数为0.54。这一结果表明，对于植被覆盖类型区分以及其他地物的识别，随机森林算法具有显著优势，不仅能够在复杂背景下准确区分不同的植被类型，还能有效识别其他地物，如道路、建筑物等。

关键词

多源遥感影像 / 植被覆盖分类 / 支持向量机 / 决策树 / 随机森林

基金资助

国家自然科学基金项目(42130805、42074154)