基于Bootstrapping支持向量机算法的森林干扰遥感监测

作     者：李天宏 张洁 魏江月 LI Tianhong;ZHANG Jie;WEI Jiangyue

作者机构：北京大学深圳研究生院环境与能源学院城市人居环境科学与技术重点实验室广东深圳518055 北京大学环境工程系水沙科学教育部重点实验室北京100871 北京大学深圳研究生院信息工程学院电子科学与技术(集成电路与系统)学院广东深圳518055 

出 版 物：《应用基础与工程科学学报》 (Journal of Basic Science and Engineering)

年 卷 期：2015年第23卷第2期

页      面：308-317页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 09[农学] 0903[农学-农业资源与环境] 0838[工学-公安技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(50979003) 

主　　题：森林干扰 MODIS Bootstrapping SVM 不平衡分类 

摘      要：森林干扰在全球和区域碳平衡、气候变化、植被生产力、蒸散发等多方面都有着重要的影响.遥感技术以其在动态监测中经济便捷的优势而成为大尺度森林干扰监测的主要手段.本文以大兴安岭为研究区域,利用2006年1km分辨率的MODIS反射率、LST和NDVI数据,有效提取归一化森林干扰变化信息.针对本研究扰动象元点与非扰动象元点存在较大差异的不平衡性问题,对比了SVM,one class SVM(OCSVM),和bootstrapping SVM分类器在不平衡分类中的效果,结果表明,bootstrapping SVM能够获得更稳定的模型和更高的精度,总体精度达99.14%,kappa系数为0.87,说明基于MODIS粗分辨率数据和bootstrapping SVM算法可以克服不平衡分类问题、有效提取森林干扰区域,可作为一种经济可行的对大区域甚至全球森林干扰监测的方法.