基于多分类器集成的落叶松人工林提取

摘要

[目的]探讨多时相、多光谱和高空间分辨率影像在落叶松人工林识别中的应用潜力,通过多种特征组合方案,寻找一种多分类器集成的落叶松人工林快速识别方法,为落叶松人工林后续监测与管理提供参考.[方法]以黑龙江省孟家岗林场为研究区,基于Landsat8 OLI影像分析不同物候期树种间的光谱差异,确定落叶松人工林识别的关键波谱和物候期,同时提取多种特征信息,通过变量重要性(VIM)筛选并构建不同物候相的多特征数据集.综合随机森林(RF)、支持向量机(SVM)、最大似然(MLC)和BP神经网络4种分类算法优势,设计一种多分类器集成的分类策略进行落叶松人工林提取.[结果]在多分类器集成的分类策略下,分类总精度达93.8％,面积提取精度达96.3％;与RF、MLC、SVM和BP等分类算法相比,多分类器集成分类策略的平均分类精度提高10％.[结论]相比单一时相影像,多时相影像数据包含落叶松人工林更多物候期,可反映出落叶松人工林独特的季相特征,有利于落叶松人工林识别.多分类器集成策略综合各分类器优点,可有效提高分类精度,实现落叶松人工林高精度提取.