基于高分二号多光谱数据的树种识别方法

doi:10.13466/j.cnki.lyzygl.2016.04.022

林业资源管理 ›› 2016›› Issue (4): 121-127.doi: 10.13466/j.cnki.lyzygl.2016.04.022

基于高分二号多光谱数据的树种识别方法

尹凌宇¹, 覃先林¹, 孙桂芬¹, 祖笑锋¹, 陈小中²

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

收稿日期:2016-04-25 修回日期:2016-05-23 出版日期:2016-08-28 发布日期:2020-11-04
通讯作者: 覃先林(1969-),男,四川南溪人,副研究员,硕导,主要从事植被变化及林火预警监测技术等方面的研究。Email:noaags@ifrit.ac.cn
作者简介:尹凌宇(1989-),男,广西桂林人,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方面的研究。Email:yinlingyu0926@126.com
基金资助:
国防科工局重大专项项目(21-Y30B05-9001-13/15);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”

Tree Species Identification Method Based on GF-2 Images

YIN Lingyu¹, QIN Xianlin¹, SUN Guifen¹, ZU Xiaofeng¹, CHEN Xiaozhong²

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

Received:2016-04-25 Revised:2016-05-23 Online:2016-08-28 Published:2020-11-04

摘要/Abstract

摘要： 树种识别一直是困扰遥感研究的一个难点,而国产高分二号识别地物和树种具有巨大潜力。选取四川省甘孜州道孚县为研究区,利用高分二号4m多光谱遥感影像,并结合该县的森林资源二类调查结果数据,分别采用最大似然法和支持向量机方法,对利用高分二号数据在树种识别应用中的可能性进行探讨。研究结果表明:所采用的两种方法识别出研究区域主要树种的精度都高于80%,其中:采用最大似然法分类精度为81.79%,支持向量机方法分类精度为86.75%。在先验知识的支持下,利用高分二号多光谱影像也可用于树种识别研究中。

关键词: 树种识别, 高分二号, 最大似然法, 支持向量机法

Abstract: Identification of tree species has always challenged the remote sensing research.However,GF-2 images be used for identifying ground objects and classifying tree species have the great research potential.Based on the data of GF-2 4-meter multispectral images of Daofu County of Ganzi Prefecture in Sichuan Province were combined with Forest Resource Inventory Data.The maximum likelihood classification and support vector machine(SVM) method were used for classification of trees.The possibility of using the GF-2 data for species identification applications was explored. The results show that the two methods for identifying the main tree species are better than the accuracy of 80% in the study area.The maximum likelihood classification accuracy is 81.79%,SVM classification accuracy 86.75%.With the support of prior knowledge,GF-2 multispectral images can also be used to study the species identification.

Key words: identification of tree species, GF_ 2, maximum likelihood method, support vector machine

中图分类号:

TP79
S757.2

尹凌宇, 覃先林, 孙桂芬, 祖笑锋, 陈小中. 基于高分二号多光谱数据的树种识别方法[J]. 林业资源管理, 2016,(4): 121-127.

YIN Lingyu, QIN Xianlin, SUN Guifen, ZU Xiaofeng, CHEN Xiaozhong. Tree Species Identification Method Based on GF-2 Images[J]. FOREST RESOURCES WANAGEMENT, 2016,(4): 121-127.

参考文献

[1] 李俊明,邢艳秋,杨超,等.基于环境与灾害监测预报小卫星的树种识别[J].东北林业大学学报,2013,41(11):41-50.
[2] 周洪泽,曲智林.连续森林资源清查应用地理信息估计蓄积量的方法[J].东北林业大学报,2000,28(5):50-53.
[3] Darvis hsefat A A,Kellenberger T W,Ityen K I.Application of hyperspectral data for forest stand mapping[C]//Symposium on Geospmial Theory.Otawa,Processing and Applitions,2002.
[4] Martin M E.Determining forest species composition using high spectral resolution remote sensing dates [J].Environ,1998,65(3):249-254.
[5] 王璐,范文义.基于高光谱遥感数据的森林优势树种组识别[J].东北林业大报,2015,43(5):134-137.
[6] 刘怀鹏,安慧君,王冰,等.基于递归纹理特征消除的WorldView-2 树种分类[J].北京林业大学学报,2015,37(8):53-59.
[7] 刘怀鹏.基于WorldView-Ⅱ数据的呼和浩特市绿化树种分类研究[D].呼和浩特:内蒙古农业大学,2013.
[8] 王妮,彭世揆,李明诗.基于树种分类的高分辨率遥感数据纹理特征分析[J].浙江农林大学学报,2012,29(2):210-217.
[9] 中国国家标准化管理委员会.GB/T21010—2001,土地分类[S].北京:中国标准出版社,2001.
[10] 田建林,雷平,石军南.QuickBird影像目视判读在土地利用类型调查中的应用研究[J].四川林勘设计,2006(1):45-48.
[11] 王玉.森林资源调查中SPOT5 遥感影像屏幕目视判读方法探讨[J].陕西林业科技,2010(2):57-60.
[12] 李伟云.TM遥感数据在森林资源调查中图斑目视判读区划实例分析(续)[J].四川林勘设计,2001(2):49-54.
[13] 曾志远,潘贤章.数字卫星图像分类和航空像片目视判读所确定的地面覆和土地利用类型面积比较——以长江三峡地区为例[J].土壤学报,2004,41(5):810-814.
[14] Thomas M.Lillesand,Ralph W.Kiefer.彭望琭,等译.Remote Sensing and Image Interpretation[M].北京:电子工业出版社,2003:384.
[15] 张晓娟,杨英健,盖利亚,等.基于CART决策树与最大似然比法的植被分类方法研究[J].遥感信息,2010(2):84-88.
[16] 谭琨,杜培军.基于支持向量机的高光谱遥感图像分类[J].红外与毫米波学报,2008,27(2):123-128.

基于高分二号多光谱数据的树种识别方法

Tree Species Identification Method Based on GF-2 Images

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	高金萍, 于慧娜, 翟召坤. 高分多模卫星林业地类及树种识别应用研究[J]. 林业资源管理, 2023, 0(1): 127-132.
[2]	肖越, 许晓东, 龙江平, 林辉. 基于国产高分数据的森林蓄积量反演研究[J]. 林业资源管理, 2021, 0(3): 101-107.
[3]	张殿岱, 王雪梅. 基于高分辨率遥感影像的植被分类方法比较[J]. 林业资源管理, 2021, 0(3): 108-113.
[4]	蔡林菲, 吴达胜, 方陆明, 郑辛煜. 基于XGBoost的高分二号影像树种识别[J]. 林业资源管理, 2019, 0(5): 44-51.
[5]	滕全晓, 徐天蜀. 基于ALOS遥感影像植被分类方法的比较研究[J]. 林业资源管理, 2015, 0(4): 69-72.
[6]	陈军, 邱保印. 基于TM遥感影像的诸暨市森林资源监测[J]. 林业资源管理, 2011, 0(6): 104-109.
[7]	曾庆伟, 武红敢. 基于高光谱遥感技术的森林树种识别研究进展[J]. 林业资源管理, 2009, 0(5): 109-114.