论文部分内容阅读
森林植被是生态系统中主要的自然资源,在全球碳水循环中发挥着重要的作用。随着人们对森林资源的需求日益增长,对森林类型信息的识别提取就具有重大意义。近几年来遥感技术的不断发展应用,利用遥感技术监测森林已经成为发展的必然趋势。遥感呈现出多源信息化,与单一的遥感信息源相比,不同的遥感数源融合可以获得更精准的林分类型识别结果。林分类型信息的提取一直是遥感影像分类中的热点和难点。而大兴安岭区又是我国重点林区和天然林主要分布区之一,植被类型丰富,种类繁多,这为林分类型精确识别带来了很大的难度。为了比较和提高林分类型的分类精度,研究结合主被动遥感,利用光谱特性、极化特性和多时相特性在不同林分类型中的差异,进行林分类型信息的高精度识别。研究以大兴安岭林区盘古林场为实验区,综合利用SPOT-5影像和不同时相的RADARSAT-2全极化SAR影像,本论文采用三种分类方案并利用最大似然分类方法和支持向量机(SVM)分类方法对研究区遥感影像进行分类,并比较不同分类方案对林分类型识别的精度。三种方案分别是：(1)单独采用SPOT影像对林分类型进行识别；(2)对全极化SAR数据进行极化分解提取参数并结合SPOT数据参与分类；(3)结合SPOT数据与多时相全极化SAR分解参数进行分类。结果表明：利用最大似然分类方法对比SPOT、加入单时相和加入多时相三种方案的分类结果,方案三加入多时相SAR影像与SPOT数据对白桦林、落叶松林、樟子松林和云杉林的分类中总分类精度最高,为84.64%, Kappa系数为0.78,对林分类型的识别最为有效,而单用SPOT数据对林分类型识别的精度最低,总分类精度为76.66%,Kappa系数为0.70。论文同时利用支持向量机分类方法对方案三进行分类,得到了更高的分类精度85.89%,Kappa系数为0.79。