地理与地理信息科学
地理與地理信息科學
지리여지리신식과학
GEOGRAPHY AND TERRITORIAL RESEARCH
2013年
1期
36-40,封2
,共6页
刘蕾%臧淑英%那晓东%裴雪原
劉蕾%臧淑英%那曉東%裴雪原
류뢰%장숙영%나효동%배설원
扎龙湿地%随机森林%Envisat ASAR%地形辅助数据
扎龍濕地%隨機森林%Envisat ASAR%地形輔助數據
찰룡습지%수궤삼림%Envisat ASAR%지형보조수거
结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(Classification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类.用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比.结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用.基于RF算法分类结果的总精度和Kappa系数分别为92.6％和0.901,沼泽湿地的分类精度达到96.3％,较CART算法和MLC监督分类方法有明显提高.该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术.
結閤Landsat TM影像、Envisat ASAR的C波段雷達影像和地形輔助數據,採用決策樹方法,包括分類迴歸樹(Classification and Regression Tree,CART)和隨機森林(Random Forest,RF)算法,對扎龍濕地進行遙感分類.用實測GPS樣本點對分類結果進行精度驗證,併與最大似然鑑督分類方法(Maximum Likelihood Classification,MLC)對比.結果錶明,地形輔助數據和雷達後嚮散射繫數對濕地分類精度的提高起重要作用.基于RF算法分類結果的總精度和Kappa繫數分彆為92.6％和0.901,沼澤濕地的分類精度達到96.3％,較CART算法和MLC鑑督分類方法有明顯提高.該研究提供瞭一種快速、高效的內陸淡水沼澤濕地遙感分類技術.
결합Landsat TM영상、Envisat ASAR적C파단뢰체영상화지형보조수거,채용결책수방법,포괄분류회귀수(Classification and Regression Tree,CART)화수궤삼림(Random Forest,RF)산법,대찰룡습지진행요감분류.용실측GPS양본점대분류결과진행정도험증,병여최대사연감독분류방법(Maximum Likelihood Classification,MLC)대비.결과표명,지형보조수거화뢰체후향산사계수대습지분류정도적제고기중요작용.기우RF산법분류결과적총정도화Kappa계수분별위92.6％화0.901,소택습지적분류정도체도96.3％,교CART산법화MLC감독분류방법유명현제고.해연구제공료일충쾌속、고효적내륙담수소택습지요감분류기술.
