论文部分内容阅读
桉树作为世界上三大速生林之一，因其具有很高的实用价值和经济效益，世界各地大量引种。云南作为桉树种植大省之一，如何科学合理地经营、管理桉树人工林引起了人们的高度重视。做好桉树森林资源调查是一项基础性的工作，而传统的森林资源调查费时、费力。近年来，随着遥感技术的进一步发展，利用遥感影像进行特定的树种信息提取为我们提供了一种有效手段。
本文以云南省普洱市西盟县为试验区。采用2009年12月28日中巴卫星遥感影像，结合目前比较流行的决策树方法与传统分类方法对桉树分布信息进行提取对比研究。同时在分析不同地类的光谱、植被指数、主成分变换及纹理特征等信息的基础上，构建了适合研究区特点的分类方法，可较准确地提取桉树分布信息。
研究发现，在决策树分类过程中，基于光谱、植被指数、主成分变换和纹理特征的决策树是最佳的分类方法，分类效果最好，总体精度达到80.83％，Kappa系数为0.7549，桉树的生产者精度为86％;该分类方法比基于光谱、植被指数和主成分特征的决策树分类方法总体精度高4.16％，Kappa系数高0.0540，桉树的生产者精度提高3％;该最佳分类方法也比基于光谱特征和植被指数特征的决策树分类方法总体精度高10.00％，Kappa系数高0.1304，桉树的生产者精度提高8％。可见，纹理特征的加入有利于提高桉树分布信息提取的精度。与传统非监督分类的ISODATA法和监督分类的最大似然法相比，该最佳分类方法比非监督分类的ISODATA法总体精度高35.20％，Kappa系数高0.4506，桉树的生产者精度提高44％;同时也比监督分类的最大似然法总体精度高20.62％，Kappa系数高0.2625，桉树的生产者精度提高28％;决策树分类方法由于充分利用了各地类的光谱、植被指数、主成分变换、纹理等特征信息，提高了分类精度。本论文研究初步形成了一套基于决策树的桉树分布信息资源自动提取的方法与技术。