论文部分内容阅读
森林是地球生态中不可或缺的组成部分,人类直接或间接的从森林获取生存和发展的物质基础。森林对于全球气候调节、生物多样性、水源涵养、碳固定具有极大的意义。然而,目前随着城镇扩张、工业化的快速发展导致森林资源的过度开发和砍伐,大面积的森林火灾愈发频繁,森林覆盖在不断的变化。研究森林覆盖和森林动态变化对揭示森林生态系统环境的变化及掌握植被恢复规律具有重要意义,因此需对森林覆盖的进行动态变化监测。传统林业调查耗时长、人力成本高,成本低、周期短、获得性便捷的遥感数据使得森林覆盖变化检测更简便。但遥感数据源较多,存在各类植被指数和变化检测方法,检测效果参差不齐。研究基于哨兵二号遥感影像,系统性分析不同的植被指数对不同强度森林覆盖变化的响应状况,分析含红边波段植被指数与正常植被指数的响应敏感性差别。针对不同程度的森林覆盖变化,将变化类型划分成重度采伐、中度采伐、弱度采伐、未变、轻微恢复、中等恢复和完全恢复,选取57个训练样本,42个检验样本。选取2017年4月28日和2018年4月3日二号遥感影像,分别计算5种非红边植被指数NDVI、NBR、GNDVI、SR和DVI,16种红边指数NDVIre1、NDVIre1n、NDVIre2、NDVIre2n、NDVIre3、NDVIre3n、PSRI、CIre、NDre1、NDre1m、NDre2、NDre2、SRre1、SRre2、MSRre和MSRren。对森林覆盖变化样本与其植被指数差值进行斯皮尔曼相关性分析,计算相关系数。筛选出对森林覆盖变化响应程度最佳的植被指数是NDVIre1n,用筛选的NDVIre1n差值、变化向量分析法和主成分分析法构建双时态变化影像,使用支持向量机、马氏距离、神经网络、随机森林、最大似然和最小距离进行分类,并进行精度验证。五种非红边植被指数与森林覆盖变化均呈正相关。NDVI、NBR、GNDVI、SR和DVI的相关系数依次为0.886、0.843、0.859、0.841和0.855,其中对森林覆盖变化响应效果最好的NDVI,最差的是SR。16种红边植被指数与森林覆盖变化的相关性存在较大差异。其中NDre1m和NDre2m在植被计算计算中值的分布较为离散,且异常值较多,不适宜用于森林覆盖变化。红边植被指数中响应森林覆盖变化较好的的有NDVIre1n、NDre1、NDre2、MSRren和NDVIre1,相关系数分别为0.916、0.914、0.913、0.908和0.899。6种分类方法中随机森林的总体分类结果最佳,基于植被指数的总体精度为93.8094%,Kappa系数为0.9209;基于变化矢量分析总体精度90.1754%,Kappa系数为0.8748;基于主成分分析的总体精度为94.6757%,Kappa系数为0.9320。太子山区域在10m分辨率的影像有753395个像元。基于主成分分析的随机森林的分类结果中,有19784个重度采伐类型像元,29365个中度采伐类型像元,216197个弱度采伐类型像元,357498个未变化的类像元,115197个轻微恢复类型像元,13390个中等恢复类型像元,1964个完全恢复类型像元。红边植被指数与非红边植被指数在森林动态变化检测研究上存在差异,研究中计算的21种植被指数中响应森林覆盖变化程度最好的五种的均为红边植被指数。研究中使用的六种方法中随机森林的效果最好,能有效提取森林的变化信息,能满足林业生产和研究的精度需求。