基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别

编号 zgly0001746246

文献类型 期刊论文

文献题名 基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别

作者 徐丽  欧阳勋志  潘萍  臧颢  刘军  杨凯 

作者单位 鄱阳湖流域森林生态系统保护与修复国家林业和草原局重点实验室  江西农业大学林学院 

母体文献 应用生态学报 

年卷期 2022,33(7)

页码 1948-1956

年份 2022 

分类号 TP3 

关键词 森林植被类型  时序数据  时空融合模型  物候 

文摘内容 我国南方地区地形条件较为复杂且多云雨,较难获取长时间序列高空间分辨率遥感影像,而时空融合技术能够同步获取高时空分辨率遥感数据,对提取其森林植被类型信息具有重要意义。以江西省兴国县为研究区,基于增强型时空自适应反射率融合模型(ESTARFM)分别将高空间分辨率的Landsat8 OLI、GF-1 WFV影像与高时间分辨率的MODIS09 A1影像进行融合,重构增强型植被指数(EVI)8 d步长的ESTARFM_Landsat8 EVI与ESTARFM_GF-1 EVI时序数据,获取物候(PH)特征信息,并利用随机森林分类模型识别森林植被类型。结果表明:融合生成的ESTARFM_Landsat8 EVI、ESTARFM_GF-1 EVI与真实影像的相关系数均大于0.7,且在空间分布上具有较好的一致性,可用于补充缺失的高空间分辨率数据。不同组合方式的随机森林分类提取精度为EVI+PH》EVI》PH,且GF-1融合数据分类精度高于Landsat8融合数据。筛选出43个变量作为优选特征变量进行分类,总体精度与Kappa系数分别为95.6%和94.9%,其中,包括37个时序EVI值和6个物候特征信息,其时序EVI数据对森林植被类型识别的贡献程度更高,物候特征信息有利于分类精度的提高。ESTARFM融合算法适用于GF-1与MODIS数据,在一定程度上可解决长时间序列高空间分辨率影像不足的问题;GF-1时序融合影像在多云雨、地形条件复杂的南方地区森林植被类型识别中具有较高精度。