V ol. 40 No. 4Apr. 2020
新疆美女图片第40卷 第4期2020年4月中 南 林 业 科 技 大 学 学 报
Journal of Central South University of Forestry & Technology http: //qks.csuft.edu 收稿日期：2019-04-01
基金项目：国家重点研发计划课项目“三北防护林体系建设重大生态工程生态效益监测评估”（2017YFC0506502）；重点林业工程生态系统宏观结构与生态效益监测评估（2017JYZJ01）；湖南省教育厅科学研究重点项目（17A225）；湖南省普通高校青年骨干教师培养对象项目（7070220190001）。
第一作者：雷思君，硕士研究生。 通信作者：孙华，副教授，硕士生导师。E-mail:*******************.com
引文格式：雷思君，孙华，刘华，等.Landsat8时间序列影像支持下的农田防护林提取方法研究[J].中南林业科技大学学报, 2020, 40(4):57-63.
想法的英语LEI S J, SUN H, LIU H, et al . Study on extraction method of farmland shelterbelt supported by Landsat 8 time ries image[J]. Journal of Central South University of Forestry & Technology, 2020, 40(4):57-63.
黑眼圈治疗
Landsat8时间序列影像支持下的
农田防护林提取方法研究
雷思君1，2，3，孙 华1，2，3，刘 华4，蒋馥根1，2，3，陈 松1，2，3，吴 童1，2，3，谢 勇1
(1. 中南林业科技大学，湖南 长沙 410004；2. 林业遥感大数据与生态安全湖南省重点实验室，湖南 长沙
410004；3. 南方森林资源经营与监测国家林业与草原局重点实验室，湖南 长沙 410004；
achievement4. 中国林业科学研究院资源信息研究所，北京 100091）
摘 要：【目的】农田防护林空间分布是三北防护林生态工程监测的重要内容之一。传统的人工调查方式获取农田防护林费时耗力，效率较低，遥感技术可以弥补传统人工调查的不足。现有农田防护林空间分布研究中，基于单期高分辨率遥感影像可以较好提取植被信息，但是不能很好的解决影像中一些地类存在的同谱异物和同物异谱现象。利用中等分辨率遥感影像进行农田防护林信息提取也仅限于利用光谱信息、形状指数等进行决策树分类，且精度受限。鉴于此，依托中低分辨率遥感影像的农田防护林提取方法有待研究。【方法】选择甘肃省张掖市甘州区为研究区，选取2017年4个季度9期Lan
dsat8 OLI 时间序列数据为农田防护林信息提取的数据源，在进行辐射定标和大气校正的基础上，基于分层分类的思想，融入植被物候特征、水体和植被指数，利用时间序列遥感影像以及多特征分类指标，逐步提取并掩膜研究区内其他地物，最终实现农田防护林的提取。利用野外样点调查结果和甘州区土地利用数据库对信息提取结果进行精度评价。【结果】该方法分类总体精度为85.93%，kappa 系数为0.79，其中野外调查记录的33个农田防护林样点中29个被正确提取，精度达到87.8%。【结论】时间序列遥感数据能有效提取植被的物候参数。基于多时序、多特征分层分类方法能有效提取农田防护林的空间分布信息，降低了同谱异物和同物异谱现象对农田防护林信息提取的干扰。说明利用时间序列遥感影像结合多种特征分类指标的分层分类方法开展甘州区的农田防护林提取是可行的。
关键词：遥感影像分类；甘州区；农田防护林；多时序影像；Landsat8 OLI
中图分类号：S771.8 文献标志码：A 文章编号：1673-923X(2020)04-0057-07
Study on extraction method of farmland shelterbelt supported by Landsat 8 time ries image
LEI Sijun 1,2,3, SUN Hua 1,2,3, LIU Hua 4, JIANG Fugen 1,2,3, CHEN Song 1,2,3, WU Tong 1,2,3, XIE Yong 1
兴趣爱好
(1. Central South University of Forestry & Technology, Changsha 410004, Hunan China; 2.Key Laboratory of Forestry Remote Sensing Bad Big Data & Ecological Security for Hunan Province, Changsha 410004, Hunan China; 3.Key Laboratory of National Forestry & Grassland Administration on Forest Resources Management and Monitoring in Southern Area, Changsha 410004, Hunan China;
志愿英语
4. Institute of Forest Resource Information Techniques, Chine Academy of Forestry, Beijing 100091)
Abstract:【Objective 】Spatial distribution of farmland shelterbelts is one of the important contents of ecological engineering monitoring of the Three-North Shelterbelt Project. The traditional manual survey method to obtain the farmland shelterbelts is time-consuming, labor consuming and inefficient. Remote nsing technology can make up for the shortcomings of traditional manual survey. In the existing rearch on the spatial distribution of farmland shelterbelts, though the vegetation information can be extracted from single-stage high-resolution remote nsing images, it cannot solve the phenomenon that same vegetation information has different spectral signature and different vegetation information shares similar spectral signature in some topographic categories. The extraction of farmland shelterbelt information from medium resolution remote nsing images is 阳春白雪琵琶曲
only limited to the usage of making decision tree Doi:10.14067/jki.1673-923x.2020.04.009
绿树成荫是什么季节
