时序遥感影像的时空特征在土地分类中的应用

作者：徐睿泽; 刘锦绣^*

来源：北京测绘, 2021, 35(06): 769-774.

DOI：10.19580/j.cnki.1007-3000.2021.06.014

• 时间序列
• 随机森林
• 纹理
• 土地覆盖分类
• 变量重要性

基于Landsat时间序列数据的土地覆盖检测成为当前研究热点,但基于时间序列数据空间纹理特征的应用及不同时序特征重要性评估较少。基于时间序列Landsat8数据,在时序光谱特征、指数特征和地形特征基础上引入时序纹理特征,利用随机森林算法建立八种分类模型,对北京密云区进行土地覆盖分类并比较其分类精度,进而基于袋外(OOB)误差方法和基尼指数进行特征变量重要性评估。相比加入归一化建筑指数(Normalized Difference Built-up Index,NDBI)或归一化植被指数(Normalized Difference Vegetation Index,NDVI)样本特征,时序纹理特征的加入使总体精度分别提高1.88%和2.12%;最优分类模型中灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)熵参数在纹理特征中较为重要,GLCM差异性参数和GLCM相关性参数其次。本文为进一步挖掘影像的时空特征、提高土地覆盖制图精度提供新思路。

• 单位
  中国地质大学（北京）