基于BP神经网络模型像元分解的高山峡谷区森林植被分类

摘要

森林是重要生态因子和生态资产,对其进行遥感分类是遥感技术应用的重要领域,并可为森林景观规划管理及森林资源利用提供参考.香格里拉县森林分布广面积大,是云南省最重要林区之一.因其属于典型的高山峡谷区,地形复杂,混合像元现象普遍,为了提高遥感分类精度,以Landsat TM影像为数据源,基于BP神经网络模型,通过混合像元分解技术,开展森林遥感分类研究.结果表明,总分类精度为84.03％,总Kappa系数为0.6497,高于基于线性混合光谱模型分类,远高于最大似然法分类精度.与基于线性混合光谱模型分类相比,基于BP神经网络模型像元分解的森林分类总精度提高了3.86％,总Kappa系数提高了0.0949.其中,非林地的分类效果最好,条件Kappa系数达到0.7496,而寒温性针叶林、暖性针叶林和常绿阔叶林的条件Kappa系数也都在0.6以上,说明各森林类型内部之间的错分现象有了一定程度的改善.针阔混交林的生产者精度为71.98％,用户精度为68.85％,条件Kappa系数为0.4022,分类效果不太理想.