基于GF-2影像的崇礼冬奥核心区土地覆盖和树种分类

摘要

【目的】比较国产高分二号(GF-2)卫星影像不同方法组合下的崇礼冬奥核心区土地覆盖分类和优势树种识别效果,分析处理单元、空间分辨率、特征集、分类算法对总体精度和树种分类精度的影响,为崇礼区土地覆盖和树种分类相关研究提供经验参考,促进国产高分系列数据的行业应用。【方法】以崇礼冬奥核心区为研究对象,以GF-2影像为数据源,分别从不同处理单元(像元、对象)、不同空间分辨率(1和4 m)、不同特征集(光谱特征、纹理特征、形状特征)、不同分类算法4个维度对比分析50种不同方法组合下的土地覆盖分类效果,同时识别白桦和华北落叶松2个优势树种。基于无人机航拍影像和二类小班数据获取训练和验证样本,采用总体精度和Kappa系数评价不同方法下的整体分类效果,由制图精度和用户精度计算的调和平均值(F1)评价优势树种分类精度。【结果】1)像元水平4 m分辨率光谱特征集的MLC法土地覆盖分类精度最高,总体精度为79.65%,Kappa系数为0.722;华北落叶松林最高F1为0.79,对应分类方法组合为对象水平1 m分辨率光谱+纹理+形状特征集的Bayes法;白桦林最高F1为0.77,对应分类方法组合为对象水平1 m分辨率光谱+纹理特征集的Bayes法;2)不同分类算法的分类精度与空间分辨率、特征集之间没有确定的响应规律,在控制其他条件尽可能相同的情况下,空间分辨率提高、特征增加不一定会提升分类精度;同一分类算法在不同空间分辨率或特征集下,对其他某一因素变化的响应方向和程度也不相同;3)土地覆盖分类在像元水平表现更好,华北落叶松林的像元和对象水平方法没有显著差异,白桦林在对象水平表现更好;4) SVM分类算法在不同处理单元、不同空间分辨率、不同特征集下均有稳定的高精度表现,监督统计分类算法MLC和Bayes也有很优异表现。【结论】GF-2数据在崇礼冬奥核心区土地覆盖分类和优势树种识别方面表现较好,分类效果受空间分辨率、处理单元、特征集、分类算法等多因素影响。