应用多维遥感信息协同的森林树种分类

为了探讨影响森林树种分类主要遥感信息,分析协同不同维度信息进行树种分类的差异.以美国俄勒冈州波特兰市东南部黑豹溪流域天然林区森林树种为研究对象,采用主成分分析和人工蚁群方法筛选机载高光谱影像特征波段、纹理特征与植被指数,同时利用机载雷达(LiDAR)数据提取森林垂直结构参数,并使用随机森林方法进行树种分类.结果表明:利用一维信息平均分类精度为69.86％,其中,利用纹理特征进行分类的精度最高(77.40％),垂直结构参数分类的精度最低(62.44％);二维信息组合平均分类精度为79.68％,高光谱特征波段与纹理特征组合的分类精度最高;三维信息组合平均分类精度达到85.00％,高光谱特征波段、纹理特征和植被指数协同的分类精度最高;全部四维信息协同分类时的精度高于一维、二维与三维信息协同时的分类精度,分类精度89.20％.由此可见,协同多维遥感信息能够有效提高森林树种分类精度,其中基于高光谱数据提取的纹理信息与特征光谱信息在森林树种分类中起到了重要作用,而协同垂直结构信息进一步提高了森林树种分类的精度.