基于线性混合像元分解技术提取山核桃空间分布

【目的】利用混合像元分解技术研究一种快速、准确提取山核桃空间分布信息的新方法,为亚热带经济林资源及其动态变化的快速检测提供新手段。【方法】以浙江省临安市西部为研究区,首先,采用线性混合像元分解技术获取植被(GV)、阴影(shade)和土壤(soil)3个分量图,据实地考察,基于山核桃的GV,shade和soil分量与其他植被的区分性较大的特征,构建植被-土壤指数、植被-阴影指数和归一化多分量指数3种新的指数;然后,基于归一化植被指数和新的指数建立决策树模型提取山核桃;最后,将研究区的土地覆盖类型分为山核桃和其他地类,并通过地面调查收集的样地数据和Google Earth高分辨率影像对分类结果进行验证。【结果】归一化多分量指数可最大限度地扩大山核桃与其他在光谱上易混淆的植被之间的差距,与其他植被的可分离性最好,因此,将归一化多分量指数作为提取山核桃的最优指数。基于该指数提取山核桃的总体精度达88.67%,Kappa系数为0.76,成功实现临安西部区域的山核桃信息提取,证明使用线性混合像元分解模型提取山核桃的潜力。【结论】针对山核桃经济林提取而提出的归一化多分量指数,物理意义明确,实现简单,易于理解和分析,尽可能地降低由于步骤复杂、样本类数多而造成的系统误差和人为误差,其结果还可为今后其他地区山核桃的提取或具有相似生长条件的经济林空间分布信息的提取提供参考,具有较高的应用潜力和推广价值。

基于混合像元分解的香格里拉市高山松空间分布变化研究

利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析。结果表明,1)分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362。2)各年分类结果总体精度分别为69.42%、76.73%、81.07%、78.90%和76.53%。3)香格里拉市高山松覆盖面积2002年比1997年减少了13.40%,2007年比2002年减少了2.47%,2012年比2007增加了8.96%,2017年比2012年增加了4.06%,呈现出先减少后增加的趋势。4)研究区内高山松主要分布在海拔高度2800~3800 m,1800~2800 m高山松面积总体呈现为轻微下降趋势;2800~3300 m海拔区间1997-2007年呈现下降趋势,2007-2017年呈现上升趋势,3300~3800 m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3800~4800 m区间内1997-2017年高山松面积逐年下降。利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑。