基于高分影像的黄河口人工林健康等级分类.doc

基于高分影像的黄河口人工林健康等级分类

1.74万字 36页 原创作品，已通过查重系统


摘 要
黄河三角洲是指渤海南部黄河入海口沿岸地区，处于河流、陆地和海洋多种动力系统作用带，多种物质、能量体系的交汇与多类生态系统的交错，导致其生态环境十分脆弱。黄河口恶劣的自然地理条件，尤其是盐渍化土壤的限制，导致了土地生产力低下，很多树种难以存活。刺槐因其良好的耐盐碱、抗旱能力，自20世纪70年代开始在黄河三角洲被广泛种植，黄河三角洲也成为我国面积最大的人工刺槐林所在地。然而，1990年以后，黄河口许多地方的刺槐林出现了大面积枯梢甚至成片死亡现象，这为我国高效生态经济区这一国家战略的实施造成了阻碍。刺槐森林健康程度的精确判别是树冠状况变化监测和枯死原因分析的一个关键。
本研究以2013年6月9日黄河三角洲刺槐林地区的IKONOS影像为数据源，结合林地样方调查数据，生成黄河三角洲地区刺槐健康等级分类图。主要研究内容及结果如下：
(1)提取了黄河三角洲地区刺槐林地的范围。从高分辨率IKONOS影像提取归一化植被指数（NDVI）和土壤调节植被指数（SAVI），结合历年林地调查数据和野外考察的先验知识，选择训练样本，进行监督分类，提取出刺槐林地的分布范围。
(2)以高分IKONOS影像、基于影像提取的不同窗口、不同灰度共生矩阵纹理信息以及反映局部空间自相关的Local Getis-Ord Gi（Getis统计量）为数据源，结合实测生态样方数据，利用多决策树的组合分类模型随机森林（RF）对刺槐林健康进行分级，对各种方法的分类精度进行了比较且对分类变量的重要性进行了排序。结果显示：19m×19m是最佳纹理计算窗口；灰度共生矩阵均值是最优纹理变量；基于波段4计算的Getis统计量对RF分类具有最重要的作用；较之利用全部光谱、纹理和Getis统计量的80个波段/变量，利用前向选择得到的前16个重要性变量进行RF分类，获得了最高的分类精度。
本研究证实了从高分影像提取的空间特征信息有助于提高对具有规则分布格局的人工刺槐林健康等级的分类精度；前向选择方法可以利用较少的预测变量、获得较高的分类精度。


关键词：枯梢；随机森林；灰度共生矩阵；黄河三角洲