基于特征优选的面向对象毛竹林分布信息提取.pdf

第 52卷 第 9期 林 业 科 学 Vo1．52．NO．9 2016年 9月 SCIENTIA SILVAE SINICAE Sep．，2016 doi：10．11707／j．1001—7488 基于特征优选的面向对象毛竹林分布信息提取术 高国龙 杜华强 韩 凝 徐小军 孙少波 李雪建 (浙江农林大学环境与资源学 院 浙江省森林生态系统碳循环与 固碳减排重点实验室 临安311300) 摘 要： 【目的】提出一种基于ReliefF特征优选的面向对象分类方法，为解决面向对象森林资源遥感分类提供参 考。 【方法】以SPOT5高分辨率遥感影像为数据源，以浙江省安吉县山川I乡为研究区，通过影像分割，选取8个地物 类别的370个对象样本 ，并设置 SPOT5影像每个波段 的8个灰度共生矩阵纹理、每个波段及 NDVI的平均值和标准 差等 42个对象特征。利用 ReliefF算法对设置的42个对象特征进行优选，采用面向对象的最近邻方法提取研究区 毛竹林分布信息。为 了比较基于最优特征的面向对象的分类结果，另采用 CART决策树方法在相 同的分割参数和 训练样本前提下 ，通过样本构建决策树分类规则，对研究区进行分类并提取竹林信息。 【结果 】1)通过 ReliefF特 征优选方法对分类特征进行优选 ，大幅提高了毛竹林样本 的分类精度 ，与特征优选前相 比，毛竹林样本分类精度 由 68％提高到88％，优选的红波段均值、绿波段均值、红波段均质纹理 、红波段熵纹理和 NDVI植被指数均值5个特征 能够精确地提取研究区毛竹林分布信息，其用户精度和生产者精度分别达到97％和 95％；2)基于CART决策树 面向对象的研究区毛竹林用户精度和生产者精度均低于基于最优特征的最近邻分类结果，主要原因是 CART决策 树中毛竹林、针叶林和阔叶林之间的误分相对较高。 【结论】ReliefF算法特征优选时注重特征的分类能力 ，筛选的 特征参与面向对象分割提取的毛竹林分布信息高于 同类研究 ，可为面向对象多尺度分割森林资源遥感分类时特征 的选取提供一个更为科学合理的方法 。 关键词 ： 毛竹林 ；ReliefF算法 ；特征优选 ；面 向对象；SPOT5遥感影像 中图分类号：$757 文献标识码 ：A 文章编号：1001—7488(2016)09—0077—09 MappingofMosoBambooForestUsingObject-BasedApproach Based on theOptimalFeatures GaoGuolong DuHuaqiang HanNing XuXiaojun SunShaobo LiXuejian (ZhejiangProvincialKeyLaboratoryofCarbonCyclinginForestEcosystemsandCarbonSequestration SchoolofEnvironmentalandResourcesScience．ZhefiangA＆FUniversity Lin’an311300) Abstract： 【Objective】Object—basedclassificationmethodprovidesanewwayforclassifyingremotesensingimageof highspatialresolution because itcan synthetically usespectralfeature，geometric feature，texture feature，and SO on． However，increaseinthenumberoffeatureswillleadtotheemergenceofthe “dimensiondisaster”，complicateoperation， and de