结合随机森林与K-means聚类评价湿地火烧严重程度

论文摘要

针对湿地植被存在典型的季节及年际变化特征,常用的遥感识别手段无法对湿地火烧严重程度实现准确评价的问题,提出了一种适用于湿地火烧严重程度的评价方法。基于2001年9月扎龙湿地的火灾事件,应用K-means聚类分析,从季节与年际2个方面的NBR阈值中获取不同火烧严重程度的训练样本,并利用随机森林机器学习算法建立基于光谱指数的分类模型,从而实现了湿地火烧严重程度的准确制图与评价。结果表明,交叉验证的分类总体精度为89.9%,各个火烧严重程度之间未出现严重的混分情况,且该模型具有一定的可移植性,能够成功地用于湿地火灾研究,从而为湿地火灾管理提供相应的参考依据。

论文目录

• 0 引言
• 1 研究区与数据
•   1.1 研究区概况
•   1.2 数据获取及预处理
• 2 研究方法
•   2.1 湿地季节与年际变化规律
•   2.2 K-means聚类确定dNBR阈值
•   2.3 分类模型建立
•   2.4 模型验证
• 3 结果与讨论
•   3.1 湿地季节与年际变化特征
•   3.2 训练样本
•   3.3 模型验证结果
•   3.4 火烧区域空间分布
• 4 结束语

文章来源

类型: 期刊论文

作者: 林思美,黄华国,陈玲

关键词: 湿地,火烧严重程度,随机森林,聚类,光谱指数

来源: 遥感信息 2019年02期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑,农业科技

专业: 工业通用技术及设备,植物保护,林业,自动化技术

单位: 北京林业大学林学院

基金: 国家重点研发计划项目(2017YFC0504003-4),国家自然科学基金(41571332)

分类号: S762;TP751

页码: 48-54

总页数: 7

文件大小: 3137K

下载量: 177