基于CART决策树的自然保护区植被类型分布研究

编号 zgly0001707076

文献类型 期刊论文

文献题名 基于CART决策树的自然保护区植被类型分布研究

作者 白莹  胡淑萍 

作者单位 国家林业和草原局信息中心  中国林业科学研究院资源信息研究所 

母体文献 北京林业大学学报 

年卷期 2020年06期

年份 2020 

分类号 S771.8 

关键词 面向对象  CART决策树  植被类型  GF-1遥感数据  自然保护区 

文摘内容 【目的】针对保护区监测需求,充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势,提高保护区植被类型遥感监测的精度,为保护区管理决策提供依据。【方法】以甘肃省白水江国家级自然保护区为研究区,主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先,对GF-1WFV数据进行多尺度分割,将研究区划分为诸多区域性的分割对象;然后,以分割对象为基本单元,研究光谱特征、几何特征、纹理特征不同组合情况下,基于CART决策树分类的结果;最后,利用训练样本建立基于TTA的精度检验,并基于混淆矩阵对分类结果进行分析。【结果】在多尺度分割过程中,形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好;当形状因子和紧致度固定时,研究区最佳分割尺度为40。精度检验结果表明,基于CART决策树的保护区植被类型分类结果整体精度均在83%以上,Kappa系数在0.80以上,优于最邻近分类法和支持向量机分类算法,其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高,总体精度为85.18%,Kappa系数为0.832 2,优于光谱特征分类、光谱特征结合几何特征分类的方法。【结论】基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究,可有效辅助保护区监测工作。