基于多源遥感数据集融合的森林类型提取研究

摘要

森林类型精准分类对于维持区域生物多样性和固碳能力具有重要的意义。本文针对中高分辨率遥感影像森林分类中样本构建存在多源数据协同困难、目视解译无法区分优势树种的问题，本文以黑龙江省公别拉自然保护区为例，提出了一种融合机载LiDAR、多光谱与Sentinel卫星影像的森林类型样本数据集构建方法。基于该样本集，联合Sentinel-1与Sentinel-2提取的植被指数、纹理指数等多种特征，采用随机森林(Random Forest, RF)、最大似然法(Maximum Likelihood Estimation, MLE)、支持向量机(Support Vector Machine, SVM)进行森林类型(针叶林、阔叶林、针阔混交林)分类。结果显示：本文提出的样本集构建方法在可分离度上明显高于传统方法，从分类结果看，RF的总体精度达84%,Kappa系数0.81,总体精度显著优于MLC的66.7%,Kappa=0.61和SVM的70.7%,Kappa=0.65。综上所述，结合机载数据样本集构建的RF方法在森林类型分类上取得了较好的结果，为今后森林类型提取方法提供了参考。

关键词

样本标注 / 森林分类 / 随机森林 / 机载激光雷达 / 机载多光谱