湿地植被是湿地生态系统中必不可少的一部分,在调节气候、蓄洪防旱等方面发挥了重要作用,对其进行行之有效的监测对于生态保护至关重要。基于时序的遥感影像进行地物分类在植被分类领域具有重要优势,湿地植被生长环境复杂,不同植被之间...湿地植被是湿地生态系统中必不可少的一部分,在调节气候、蓄洪防旱等方面发挥了重要作用,对其进行行之有效的监测对于生态保护至关重要。基于时序的遥感影像进行地物分类在植被分类领域具有重要优势,湿地植被生长环境复杂,不同植被之间物候特征并不明确,且滨海湿地地区云雾较多,这些因素限制了时序遥感在湿地植被监测中的应用。基于时间加权的动态时间归整(Time-Weighted Dynamic Time Warping, TWDTW)通过增加时间权重限制实现时序匹配,能够避免植被物候因素的干扰与畸形匹配现象。本文探讨了该算法在黄河三角洲湿地植被分类中的适用性,并将分类结果与传统分类方法进行对比。研究表明,该算法在该区域总体分类精度为97.56%,Kappa系数为0.95。应用TWDTW算法可以有效进行湿地植被分类,能直观地反映湿地植被的空间分布格局,满足湿地生态环境监测、资源调查与管理等方面的需要。展开更多
文摘湿地植被是湿地生态系统中必不可少的一部分,在调节气候、蓄洪防旱等方面发挥了重要作用,对其进行行之有效的监测对于生态保护至关重要。基于时序的遥感影像进行地物分类在植被分类领域具有重要优势,湿地植被生长环境复杂,不同植被之间物候特征并不明确,且滨海湿地地区云雾较多,这些因素限制了时序遥感在湿地植被监测中的应用。基于时间加权的动态时间归整(Time-Weighted Dynamic Time Warping, TWDTW)通过增加时间权重限制实现时序匹配,能够避免植被物候因素的干扰与畸形匹配现象。本文探讨了该算法在黄河三角洲湿地植被分类中的适用性,并将分类结果与传统分类方法进行对比。研究表明,该算法在该区域总体分类精度为97.56%,Kappa系数为0.95。应用TWDTW算法可以有效进行湿地植被分类,能直观地反映湿地植被的空间分布格局,满足湿地生态环境监测、资源调查与管理等方面的需要。
