基于MODIS影像和随机森林算法的河北坝上林地动态监测

doi:10.13209/j.0479-8023.2018.010

北京大学学报自然科学版 ›› 2018, Vol. 54 ›› Issue (4): 792-800.DOI: 10.13209/j.0479-8023.2018.010

基于MODIS影像和随机森林算法的河北坝上林地动态监测

周佳宁¹, 张洁¹, 李天宏^{1, 2, †}

1. 北京大学深圳研究生院环境与能源学院, 深圳 518055
2. 北京大学环境科学与工程学院, 北京 100871

收稿日期:2017-04-17 修回日期:2018-01-09 出版日期:2018-07-20 发布日期:2018-07-20
通讯作者: 李天宏, E-mail: litianhong(at)iee.pku.edu.cn
基金资助:
国家自然科学基金(41071027)资助

Bashang Forest Change Monitoring with Multi-Temporal MODIS Images and Random Forest Algorithm

ZHOU Jianing¹, ZHANG Jie¹, LI Tianhong^1,2,†

1. School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 518055
2. College of Environmental Sciences and Engineering, Peking University, Beijing 100871

Received:2017-04-17 Revised:2018-01-09 Online:2018-07-20 Published:2018-07-20
Contact: LI Tianhong, E-mail: litianhong(at)iee.pku.edu.cn

摘要/Abstract

摘要：

为了揭示河北省坝上地区林地的动态变化特征, 采用250 m空间分辨率的MODIS反射率和NDVI数据, 利用TM遥感影像辅助选择训练样本, 基于随机森林分类算法, 提取2000—2015年8个时相的林地信息, 并分析其空间变化情况。结果表明, 与常用的最大似然法和神经网络法相比, 随机森林法分类的精度更高, 总体精度和 Kappa系数分别为91.89%和0.88。通过二进制编码方法, 快捷地揭示了8个时相的林地信息在空间上的动态变化, 识别出变化幅度较大的年份和空间分布。结果显示, 林地退化严重的地区集中在丰宁、围场、张北和沽源四县, 时间集中在2002, 2010 和2013年。

关键词: 坝上林地, MODIS, 随机森林算法, 动态监测

Abstract:

In order to reveal the dynamic characteristics of the forest in Bashang area of Hebei Province, MODIS reflectivity and NDVI data with a spatial resolution of 250 m were used for forest classification, and a Thematic Mapper (TM) image in 2005 was resorted to aid training sample selection. With Random Forest Algorithm and time series of MODIS images, the forest in Bashang area was monitored from 2000 to 2015 in every two years. Compared with widely used classifiers such as maximum likelihood classifier and BP artificial neural network algorithm, Random Forest classifier showed the best performance with its overall accuracy and Kappa coefficient being 91.89% and 0.88 respectively. Binary coding was applied to the eight phases of forest distribution images, which can easily and rapidly reflect the changing trajectory from phase to phase. It showed that the severe forest changes mainly occurred in counties of Fengning, Weichang, Zhangbei and Guyuan during the years of 2000, 2010, and 2013.

Key words: forest in Bashang area, MODIS, Random Forest Algorithm, dynamic monitoring

中图分类号:

X835

周佳宁, 张洁, 李天宏. 基于MODIS影像和随机森林算法的河北坝上林地动态监测[J]. 北京大学学报自然科学版, 2018, 54(4): 792-800.

ZHOU Jianing, ZHANG Jie, LI Tianhong. Bashang Forest Change Monitoring with Multi-Temporal MODIS Images and Random Forest Algorithm[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(4): 792-800.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2018.010

https://xbna.pku.edu.cn/CN/Y2018/V54/I4/792

[1]	朱贺, 何涛, 梁前勇, 吴学敏, 董一飞. 海域天然气水合物开采的4C-OBC时移地震动态监测模拟[J]. 北京大学学报自然科学版, 2021, 57(1): 99-110.
[2]	海晓东, 刘云舒, 赵鹏军, 张辉. 基于手机信令数据的特大城市人口时空分布及其社会经济属性估测——以北京市为例[J]. 北京大学学报自然科学版, 2020, 56(3): 518-530.
[3]	姜海梅, 叶昊天, 王若静, 郝勇, 王成刚, 曹乐. 基于MODIS产品的生态系统呼吸模型在内蒙古半干旱草原的验证[J]. 北京大学学报自然科学版, 2019, 55(6): 1029-1037.
[4]	陈彬辉, 冯瑶, 袁建国, 周一敏, 赵昕奕. 基于MODIS地表温度的京津冀地区城市热岛时空差异研究[J]. 北京大学学报（自然科学版）, 2016, 52(6): 1134-1140.
[5]	周昌令, 陈恺, 公绪晓, 陈萍, 马皓. 基于Passive DNS的速变域名检测[J]. 北京大学学报（自然科学版）, 2016, 52(3): 396-402.
[6]	叶晶,彭丽春,廖倩,李志明. 利用MODIS数据估算晴空半干旱地表潜热通量[J]. 北京大学学报（自然科学版）, 2014, 50(5): 835-842.
[7]	李成才,周寅亮,李莹,刘启汉,贺千山,杨复沫. 利用卫星遥感大气气溶胶进行待建环境监测站点位评估[J]. 北京大学学报（自然科学版）, 2014, 50(5): 825-834.
[8]	谢芮,吴秀芹. 内蒙古草地放牧强度遥感估测[J]. 北京大学学报（自然科学版）, 2014, 50(5): 919-924.
[9]	李倩,李成才,王烨芳,林常青,杨东伟,李莹. 利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布[J]. 北京大学学报（自然科学版）, 2013, 49(4): 673-682.
[10]	李倩,李成才, 杨东伟,石光明,高玲,李莹,毛节泰. MODIS卫星监测中国东部地区地面颗粒物的样本时间代表性分析[J]. 北京大学学报（自然科学版）, 2013, 49(4): 662-672.
[11]	马月,薛惠文. 利用CloudSat和MODIS数据研究气溶胶对层积云的影响[J]. 北京大学学报（自然科学版）, 2012, 48(2): 239-245.
[12]	徐岳仁,何宏林,申旭辉,陈立泽. 利用CBERS数据开展资兴市东江水库库区地质灾害动态监测试验研究[J]. 北京大学学报（自然科学版）, 2011, 47(4): 689-697.
[13]	任通,高玲,李成才,毛节泰,李万彪,石光明,杨东伟,王磊. 利用风云2C静止卫星可见光资料反演气溶胶光学厚度[J]. 北京大学学报（自然科学版）, 2011, 47(4): 636-646.
[14]	叶晶,刘辉志,李万彪,蔡双彭,李宇明,曹丽霞. 利用MODIS数据直接估算晴空区干旱与半干旱地表净辐射通量[J]. 北京大学学报（自然科学版）, 2010, 46(6): 942-950.
[15]	杨贵军,黄文江,刘三超,邢著荣,王纪华. 环境减灾卫星高光谱数据大气校正模型及验证[J]. 北京大学学报（自然科学版）, 2010, 46(5): 821-828.

基于MODIS影像和随机森林算法的河北坝上林地动态监测

Bashang Forest Change Monitoring with Multi-Temporal MODIS Images and Random Forest Algorithm

RichHTML

PDF

PDF (翻译版)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言