基于高分一号影像光谱指数识别火烧迹地的决策树方法

doi:10.13466/j.cnki.lyzygl.2015.04.013

林业资源管理 ›› 2015›› Issue (4): 73-78.doi: 10.13466/j.cnki.lyzygl.2015.04.013

基于高分一号影像光谱指数识别火烧迹地的决策树方法

祖笑锋¹, 覃先林¹, 尹凌宇¹, 陈小中², 钟祥清²

1.中国林业科学研究院资源信息研究所,北京 100091;
2.四川省林业信息中心,成都 610081

出版日期:2015-08-28 发布日期:2020-12-01
通讯作者: 覃先林(1969-),男,四川南溪人,副研究员,博士,硕导,主要从事植被变化及林火预警监测技术研究。Email:noaags@caf.ac.cn;qxl9157@126.com
作者简介:祖笑锋(1988-),男,黑龙江肇州人,在读硕士,主要从事光学遥感影像处理和森林火灾监测方法研究。Email:zuxiaofeng_lky@163.com
基金资助:
民用航天预研项目“基于多源空间数据的森林火灾综合监测技术与应用示范”;国防科工局重大专项项目(21-Y30B05-9001-13/15)

Decision Tree Method for Burned Area Identification Based on the Spectral Index of GF-1 WFV Image

ZU Xiaofeng¹, QIN Xianlin¹, YIN Lingyu¹, CHEN Xiaozhong², ZHONG Xiangqing²

1.Research Institute of Forest Resource Information Technique,the Chinese Academy of Forestry,Beijing 100091,China;
2.Forestry Information Center of Sichuan Province,Chengdu 610081,China

Online:2015-08-28 Published:2020-12-01

摘要/Abstract

摘要： 森林火灾发生后,为及时、准确地掌握森林受灾情况,利用高分一号卫星(GF-1)16m宽幅影像各波段反射率信息,结合计算的归一化植被指数(NDVI)、过火区识别指数(BAI)、阴影植被指数(SVI)、归一化差异水体指数(NDWI)和全球环境监测指数(GEMI)等5种光谱指数,构建森林火烧迹地识别决策树模型(CART);在选取的研究区对该模型方法进行验证,并与最大似然监督分类法和非监督分类(ISODATA)方法所得到的结果精度进行了对比分析,结果表明采用基于CART模型的决策树方法对火烧迹地识别结果精度较最大似然法总体分类精度提高了4.38%,Kappa系数提高了0.102 4,制图精度提高了14.96%,用户精度提高了8.50%;而采用ISODATA方法识别的火烧迹地的总体精度和Kappa系数都较低,制图精度和用户精度都没有达到1%。

关键词: 高分一号卫星影像, 森林灾害, 火烧迹地, 植被指数, 决策树模型

Abstract: This paper describes the technique to be needed for rapidly and accurately identifying the burned area by forest fires,following the catastrophic fires by the vegetation index CART decision tree methods using the wide coverage image of GF-1(GF-1 WFV).They were compared between the maximum likelihood classification of supervised and unsupervised classification(ISODATA),within burned area indexes,to improve the accuracy of the burned area,shaded vegetation index,global environment monitoring index,improved shadows and bare commission or omission burned phenomenon.The results showed that the decision tree classification method based on CART algorithms for burned area identification has significantly improved the overall accuracy by 4.38% compared with the maximum likelihood method;Kappa coefficient increased by 0.1024.GF-1 satellite imagery for unsupervised classification(ISODATA)identifies the burned area poorly,the overall accuracy and Kappa coefficient are low,the map making accuracy and user accuracy have not reached 1%.

Key words: GF-1 satellite images, forest disaster, burned area, vegetation index, the decision tree model

中图分类号:

S771.8

祖笑锋, 覃先林, 尹凌宇, 陈小中, 钟祥清. 基于高分一号影像光谱指数识别火烧迹地的决策树方法[J]. 林业资源管理, 2015,(4): 73-78.

ZU Xiaofeng, QIN Xianlin, YIN Lingyu, CHEN Xiaozhong, ZHONG Xiangqing. Decision Tree Method for Burned Area Identification Based on the Spectral Index of GF-1 WFV Image[J]. FOREST RESOURCES WANAGEMENT, 2015,(4): 73-78.

参考文献 15

[1]	Gitas I Z,Mitri G H,Ventura G.Object-based image classification for burned area mapping of Creus Cape,Spain,using NOAA-AVHRR imagery[J].Remote Sensing of Environment,2004,92(3):409-413.
[2]	Giglio L,Loboda T,Roy D P,et al.An active-fire based burned area mapping algorithm for the MODIS sensor[J].Remote Sensing of Environment,2009,113(2):408-420.
[3]	覃先林,李增元,易浩若,等.基于ENVISAT-MERIS数据的火烧迹地制图方法研究[J].遥感技术与应用,2008,22(4):1-6.
[4]	朱曦,覃先林,廖靖.基于模糊集理论的单时相跨区域森林火烧迹地遥感制图[J].国土资源遥感,2013,25(4):122-128.
[5]	朱曦,覃先林.基于二阶段算法的HJ-CCD数据火烧迹地制图[J].遥感技术与应用,2013,28(1):72-77.
[6]	刘健,许章华,余坤勇,等.山地丘陵区遥感影像阴影检测与去除方法[J].农业机械学报,2013,44(10):238-241.
[7]	许章华,刘健,余坤勇,等.阴影植被指数 SVI 的构建及其在四种遥感影像中的应用效果[J].光谱学与光谱分析,2013,33(12):3359-3365.
[8]	周庆,李峰,张海涛,等.监督分类技术在高分辨率卫星影像中的应用[J].北京林业大学学报,2003(S1):47-49.
[9]	汪金花,张永彬,孔改红.谱间关系法在水体特征提取中的应用[J].矿山测量,2004(4):30-32.
[10]	徐涵秋.基于谱间特征和归一化指数分析的城市建筑用地信息提取[J].地理研究,2005,24(2):311-320.
[11]	徐涵秋.利用改进的归一化差异水体指数(NDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595.
[12]	Segah H,Tani H,Hirano T.Detection of fire impact and vegetation recovery over tropical peat swamp forest by satellite data and ground-based NDVI instrument[J].Int.J.Remote Sens.,2010,31:5297-5314.
[13]	Parsons A.Burned Area Emergency Rehabilitation Soil Burn Severity Definitions and Mapping Guidelines Draft[M].USDA Forest Service,Rocky Mountain Research Station:Missoula,MT,USA,2003.
[14]	Balzter H,Gonzalez M C,Gerard F,et al.Post-Fire Vegetation Phenology in Siberian Burn Scars[C]//In Proceedings of 2007 IEEE International Geoscience and Remote Sensing Symposium,Barcelona,Spain:4652-4655.
[15]	Telesca L,Lasaponara R.Pre-and post-fire behavioral trends revealed in satellite NDVI time series[J].Geophys.Res.Lett.,2006,33.

基于高分一号影像光谱指数识别火烧迹地的决策树方法

Decision Tree Method for Burned Area Identification Based on the Spectral Index of GF-1 WFV Image

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

[1]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[2]	龙植豪, 罗鹏, 许等平, 李振, 代华兵. Sentinel-2A红边波段森林蓄积量反演研究[J]. 林业资源管理, 2022, 0(2): 126-134.
[3]	郝帅, 王星, 张秋良, 王冰, 田原. 大兴安岭火烧迹地遥感提取研究[J]. 林业资源管理, 2022, 0(2): 75-81.
[4]	杨丹, 李崇贵, 张家政. 基于深度学习的多时相GF-1影像林分类型分类研究[J]. 林业资源管理, 2022, 0(1): 142-149.
[5]	相莹莹. 2009—2018年京冀生态水源保护林区生态系统变化特征[J]. 林业资源管理, 2021, 0(6): 65-68.
[6]	林双双, 钟九生, 何鑫, 江丽, 段纪维, 代仁丽, 何志远. 光谱信息支持下城区林地信息提取方法[J]. 林业资源管理, 2021, 0(3): 96-100.
[7]	濮毅涵, 张栋, 徐丹丹, 栾兆擎. Sentinel-2A红边波段对湖滨带植被分类能力的评估[J]. 林业资源管理, 2021, 0(2): 131-139.
[8]	邹全程, 徐健楠, 冯晓川, 慕晓炜, 胡彬, 刘海令, 孔凡利, 吴静. 多方法融合的森林景观与质量提升探究[J]. 林业资源管理, 2021, 0(2): 36-44.
[9]	段纪维, 钟九生, 江丽, 代仁丽, 何志远, 林双双, 何鑫. 基于哨兵2可见光波段的喀斯特地区植被提取方法[J]. 林业资源管理, 2020, 0(6): 143-152.
[10]	闫平, 徐健楠, 菊花, 浩仁塔本, 郭丰毅, 慕晓炜, 阮超越. 云南三江并流地区树轮宽度指数与NDVI关系研究[J]. 林业资源管理, 2019, 0(6): 42-48.
[11]	林丽丽, 郝振帮, 戴姗霖, 杨柳青, 刘健, 余坤勇. 南方集体林区典型毛竹经营区林分质量遥感量化研究[J]. 林业资源管理, 2019, 0(6): 84-90.
[12]	卢献健, 黄俞惠, 晏红波, 周吕, 吴宸龙, 周斌, 罗乐. 基于GEE平台广西桉树快速提取研究[J]. 林业资源管理, 2019, 0(5): 52-60.
[13]	轩俊伟, 盛建东. 2001—2017年新疆玛纳斯河流域植被NDVI时空变化特征[J]. 林业资源管理, 2018, 0(6): 30-37.
[14]	任怡, 王海宾, 许等平. 基于Landsat 8影像的乔木林地上生物量估算[J]. 林业资源管理, 2018, 0(6): 38-44.
[15]	巴音德乐黑, 包翔, 周梅, 赵鹏武, 石亮, 郝良杰. 基于MODIS NDVI的大兴安岭北坡植被覆盖时空变化特征[J]. 林业资源管理, 2018, 0(6): 50-56.