机器学习方法在九寨沟县自然保护地植被解译中的应用

明确自然保护地的植被类型和空间分布,在改善生态环境质量与维护国家生态安全等方面具有重要参考意义。本文基于Sentinel-2A遥感影像数据,利用随机森林算法和旋转森林算法对九寨沟县自然保护地植被进行分类,并结合植被类型图与坡度、坡向以及高程数据对研究区内各植被类型的空间分布特征进行分析。研究结果表明:1)旋转森林算法分类效果优于随机森林算法,总体精度为85.73%,Kappa系数为0.83;2)九寨沟县植被在阴坡和半阴坡朝向生长较好,各植被类型集中分布于坡度16°~45°范围内,且区域内植被分布垂直地带性明显,海拔由低到高陆续出现的主要植被类型为栽培植被、灌丛、阔叶林、针阔混交林、针叶林以及草地。

3种解译方法在高速公路植被解译中的比较研究——以福建兴尤高速公路尤溪境内段为例

以海峡西岸经济区高速公路网规划项目中的兴尤高速尤溪县境内路段中心线两侧10 km范围作为研究区域,以遥感图像为主要信息源,整合多元数据并结合野外线路调查和样方调查的结果,再采用非监督分类、监督分类、叠加分类3种遥感解译手段对该评价区的遥感图像进行植被类型解译与制图,最终将该评价区的土地类型分为:针叶林、阔叶林、毛竹、经济林、农田、农村用地、水体7类,并且将3种解译方法的结果进行比较.研究结果表明叠加分类的解译结果最符合研究区实际植被情况,解译精度也最高.