光学协同合成孔径雷达数据的森林类型分类研究

打开文本图片集

摘  要：为探究光学数据和合成孔径雷达（Synthetic Aperture Radar，SAR）数据在森林类型分类中的优势和互补性，以云南省普洱市思茅区的Landsat 8数据与微波遥感SAR影像ALOS2数据相交覆盖区域为研究区，采用分层分类技术进行森林类型分类研究。构建3种特征集，光学数据特征集（光谱+植被因子+纹理+地形特征）、SAR特征集（后向散射+极化分解特征）、光 学-SAR融合数据特征集（光谱+植被因子+纹理+地形+后向散射+极化分解特征），并使用递归特征消除法（Recursive Feature Elimination，RFE）对提取的3种特征集分别进行分层特征筛选，再用随机森林（Random forest，RF）、支持向量机（Support Vector Machine，SVM）对森林类型分类，光学-SAR融合数据SVM的分类效果最好。（剩余20056字）