基于高分辨率多源遥感影像的红树林种间分类研究
作者单位：山东农业大学
学位级别：硕士
导师姓名：齐建国;张丽
授予年度：2021年
学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 0713[理学-生态学]
摘 要：红树林作为全球公认碳储量丰富的生态系统,能够起到抗洪抗潮、防止海岸侵蚀、过滤污染物、净化海水、碳汇、改善生态环境、维持生物多样性等多重作用,为人类及沿海生物提供不可替代的社会、经济、环境和生态服务。但在自然环境和人类活动的影响下,红树林正在不断遭受破坏,为了减少损失,保护和修复红树林,需要对红树林树种分布进行精细监测,获取准确信息与制图,有助于理解海岸带沿线生态环境变化进程,为红树林的资源规划调查和生态环境改善发展部署提供理论依据。红树林特殊的地理环境给种间分类带来挑战,使得遥感技术成为研究与管理的主要手段。基于遥感影像对红树林开展识别与分类的研究起步较早,但种间分类的精度和效果一直不理想。本文以海南省文昌市清澜港八门湾头苑村红树林保护区南部片区为研究区域,尝试探究了无人机(UAV)Rikola高光谱影像,World View-2(WV-2)星载多光谱影像以及两者的融合数据在红树林种间分类的表现,采用递归特征消除的随机森林算法(Recursive Feature Elimination-Random Forest,RFE-RF)优选植被光谱特征和纹理特征,以机器学习中的随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)算法作为分类器,进行了红树林种间分类研究,对比了不同数据源与不同分类方法的优势与不足,探讨了影响分类精度的驱动因素。主要研究内容与结论如下:(1)UAV高光谱影像的植被指数特征和RF算法,对红树林种间分类更有效。从特征提取和波段选择两方面开展UAV高光谱数据挖掘与降维方法研究,对提取出的15个植被指数特征、1080个纹理特征和45个光谱特征,利用RFE-RF方法对高光谱数据进行降维处理,优选出5个最重要的特征(H＿MSAVI、H＿SR890、H＿NDVI800、H＿OSAVI2、H＿NDVI750、H＿SR750),证明了高空间分辨率和高光谱分辨率影像的光谱特征的作用明显大于纹理特征。利用RF和SVM算法对UAV影像优选特征集进行红树林种间分类,以基于UAV影像建立的样本点和GPS真实点位进行双重验证,结果表明,RF算法表现最佳,总体分类精度为92.70%,相比SVM(RBF)算法提高20.21%,kappa系数为0.91,相比提高了0.23。在单个树种分类精度方面,表现最好的仍然是RF算法,它在5类树种的生产者精度和使用者精度方面均达到87%以上,5类树种中海桑的可分性最佳,椰树的可分性最差。(2)基于WV-2卫星影像进行红树林种间分类的精度明显低于基于UAV高光谱影像,但对WV-2影像进行主成分分析并提取纹理因子,有助于提高种间分类精度。通过样本抽稀的方式有效缓解WV-2影像与UAV高光谱影像样本点不适配的问题,基于WV-2影像,利用主成分分析的方法将最核心的成分特征进行集成,并采用相同的提取、降维流程优选出最重要的5个特征依次为WV＿PCA3＿mean＿7、WV＿PCA2＿contrast＿7、WV＿PCA3＿sm＿7、WV＿B＿pan和WV＿EVI。发现对WV-2影像进行主成分分析有助于提高红树林种间分类精度,纹理特征的作用地位在WV-2影像中很高。利用RF和SVM算法对WV-2影像优选特征集进行红树林种间分类,精度均低于UAV高光谱影像。(3)将UAV高光谱影像的植被指数特征与WV-2影像的纹理特征融合,可以进一步提高红树林种间分类制图精度。基于UAV高光谱影像和WV-2影像共1439个特征组成的超高维数据集合,利用RFE-RF优选出5个最重要特征变量(WV＿PCA3＿mean＿7、H＿MSAVI、WV＿PCA2＿contrast＿7、WV＿B6＿entropy＿5、H＿OSAVI2),发现随着影像空间分辨率和光谱分辨率的提高,纹理特征在清澜港红树林种间分类中的作用不断降低,而植被指数特征的作用在不断提高。利用参数优化后的机器学习算法对红树林进行种间分类,并对比不同数据源和不同方法精度。集成UAV高光谱影像和WV-2多光谱影像的RF算法表现最佳,总体分类精度为95.89%,比SVM(RBF)算法高0.54%,相比利用UAV高光谱影像精度有所提升。分类方法方面,RF算法在精度、稳定性和适应性方面均优于SVM算法。红树林作为至关重要的生态系统,对其进行种间分类研究有益于湿地管理与可持续发展。本研究通过利用高质量的数据源、有效的数据降维和种间分类方法证实了红树林种间分类的可行性和发展的潜力。未来的研究将更多地关注于对高精度的植被种间分类结果的应用,致力于完善红树林可持续管理。
同方学位论文库