基于多尺度遥感影像纹理特征的森林蓄积量反演.PDFVIP

第37 卷 第11 期 中南林业科技大学学报 Vol. 37 No. 11 2017 年 11 月 Journal of Central South University of Forestry Technology Nov. 2017 Doi:10.14067/ki.1673-923x.2017.11.014 http: // 基于多尺度遥感影像纹理特征的森林蓄积量反演 汪康宁，吕 杰，李崇贵 （西安科技大学 测绘科学与技术学院，陕西 西安 710054 ） 摘 要：以国产“高分一号”卫星（以下简称GF-1 ）获取的遥感影像数据与少量研究区样地数据为数据源，构 建以光谱信息与多尺度纹理特征为特征变量的森林蓄积量反演模型，探讨不同尺度下提取的纹理特征对森林蓄 积量估测模型准确度的影响，通过对特征变量的优选，寻求一种提高森林蓄积量反演模型的准确度的方法。首 先，对覆盖研究区域的 GF-1 遥感影像进行重采样，得到覆盖研究区域的不同分辨率的影像序列，基于不同窗 口大小的灰度共生矩阵提取影像序列的纹理特征，与遥感影像光谱信息共同作为特征变量；然后，使用随机森 林 (random forest，RF) 算法构建森林蓄积量反演模型，对研究区域的森林蓄积量进行估测，分析不同特征变量 与窗口大小对森林蓄积量反演模型准确度的影响；最后，通过比较特征变量重要性，确定森林蓄积量反演模型 的最佳特征变量与窗口大小选择，对研究区进行森林蓄积量反演，得到研究区域的森林蓄积量分布图。当使用 从 8m 分辨率遥感影像提取的纹理特征与光谱信息作为特征变量时，森林蓄积量反演模型准确度明显优于使用其 他特征变量。其中，当灰度共生矩阵窗口大小设置为 9 ×9 时，森林蓄积量反演模型准确度最高，为R2=0.70 ， RMSE=6.317 。在根据重要性对从多尺度遥感影像提取的纹理特征进行选择后，所构建的森林蓄积量反演模型的 准确度为 R2=0.74 ，RMSE=6.439 。使用较高分辨率遥感影像提取的纹理特征作为特征变量，可以有效的提升森 林蓄积量反演模型的准确度。将基于不同分辨率遥感影像提取到的纹理特征作为特征变量，其模型准确度优于 使用单一分辨率遥感影像所提取的纹理特征。 关键词：森林蓄积量；随机森林；多尺度；纹理特征；高分一号卫星 中图分类号：S771.8；TP75 文献标志码：A 文章编号：1673-923X(2017)11-0084-06 Inversion of growing stock volume using satellite image multiscale texture feature WANG Kangning, LV Jie, LI Chonggui (Collage of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, Shaanxi, China) Abstract: Forest growing stock volume (GSV) is one of most important parameters to evaluate forest growth status. In this study, forest inventory data and Gaofen-1 images (GF-1) were used as data sources. The purposes of this study are to explore the effect