不同湿度指数在湿地分类中的对比研究

为探讨不同湿度指数用于湿地信息提取的能力,选取7个常用的湿度指数(包括NDWI、MNDWI、RNDWI、EWI和缨帽变换的湿度分量等)作为指标,以达赉湖国家级自然保护区为研究区,利用2013年9月6日MODIS(MOD09Q1和MOD09A1)数据,采用支持向量机分类的方法,对研究区进行湿地与非湿地区分研究,并进行湿地亚类(沼泽、水体)的分类试验。分类结果的精度评价表明:1)湿地与非湿地区分能力最好的指数为基于缨帽变换的湿度分量TC-Wetness,制图精度达97%以上,用户精度达96%;2)对湿地亚类的分类结果表明,提取水体最好的指数为第一类湿度指数,以NDWIB4,B2为最优,提取沼泽最优的指数为缨帽变换的湿度分量(TC-Wetness),可以有效排除草地对沼泽提取的干扰。研究区分类结果总体精度最高为88.7%,但沼泽的提取精度仅为48%,说明利用遥感湿度指数一种指标难以满足湿地分类的需要,多指数结合以及地形和其他相关辅助数据的加入对提高湿地分类精度具有重要帮助。

基于优选特征及月合成Landsat数据湿地提取研究

针对Landsat卫星完整时间序列数据难以获取导致的湿地提取准确性较低和湿地提取最优特征不明确的问题,该文提出一种基于优选特征和月合成时间序列Landsat数据提取湿地的方法。通过月合成方法,利用Landsat7ETM+和Landsat8OLI数据构建Landsat 30m地表反射率、NDVI、NDWI和缨帽变换湿度分量的时间序列;利用随机森林算法和扩展的Jeffries-Matusita距离(JBh)优选对湿地提取贡献较大的特征,并基于优选特征提取湿地。结果显示:1)月合成方法有效地改善了条带和云覆盖造成的Landsat单景影像数据缺失问题;2)5月NDVI和6、8月NDWI以及5月TC-Wetness是区分永久性草本沼泽、水稻田、草地和旱地的最优特征;3)基于优选特征的湿地分类结果总体精度达到0.91,Kappa系数为0.89。特征优选减少了数据冗余,提高了运算效率,为提高湿地分类精度提供了理论基础。