荒漠绿洲区带状防护林遥感提取方法研究——以磴口为例

防护林是我国荒漠绿洲区主要植被类型,可为该地区防风固沙、水盐调控、水热平衡提供有力保障,调查防护林空间分布信息十分重要。然而荒漠绿洲防护林条带较窄、斑块面积小、分布广且零散,不易大尺度准确提取。为解决此难点,以磴口县荒漠绿洲为研究区,基于GF-2号遥感影像,采用面向对象分类技术提取防护林空间分布信息。分类前,首先基于局部方差（LV）和LV变化率（ROC）曲线,选取分割防护林的最优分割尺度。然后采用随机森林（RF）算法的袋外误差率（OOB error）及基尼系数（Gini）对包含光谱、形状和纹理的分类特征进行重要性评估并筛选特征、优化模型参数;最后,基于随机森林、CART决策树、支持向量机（SVM）、K近邻（KNN）四种分类器提取防护林空间分布信息并对比验证。结果表明：(1）采用ROC-LV曲线方法相比于遍历分割参数,可更客观更高效地筛选最优分割参数的可能值;(2）基于RF算法计算的袋外误分率和基尼系数可以有效筛除冗余特征,配合分类器参数优化,在保证分类精度的同时,有效提高分类器性能,大幅提升数据处理速度;(3）基于实测数据集对分类结果进行验证,结果显示基于随机森林算法的特征优化结合SVM分类器提取的防护林空间分布信息精度最高,生产者精度达到97.14%,总体防护林面积为208.99 km2,与实际210 km2接近,在小区块中,SVM分类器的分类效果优于其他三种分类器;(4）因GF-2影像分辨率高,并且含有近红外波段,通过波段合成得到亚米级信息,故基于面向对象的方法能够以单条林带为基本单位研究防护林林网属性,例如提取断带信息等林网结构特征。研究结论可为荒漠绿洲区带状防护林提取提供重要技术支撑。