典型文献
基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别
文献摘要：
我国南方地区地形条件较为复杂且多云雨,较难获取长时间序列高空间分辨率遥感影像,而时空融合技术能够同步获取高时空分辨率遥感数据,对提取其森林植被类型信息具有重要意义.以江西省兴国县为研究区,基于增强型时空自适应反射率融合模型(ESTARFM)分别将高空间分辨率的Landsat8 OLI、GF-1 WFV影像与高时间分辨率的MODIS09 A1影像进行融合,重构增强型植被指数(EVI)8 d步长的ESTARFM_Landsat8 EVI与ESTARFM_GF-1 EVI时序数据,获取物候(PH)特征信息,并利用随机森林分类模型识别森林植被类型.结果表明:融合生成的ESTARFM_Landsat8 EVI、ESTARFM_GF-1 EVI与真实影像的相关系数均大于0.7,且在空间分布上具有较好的一致性,可用于补充缺失的高空间分辨率数据.不同组合方式的随机森林分类提取精度为EVI+PH＞EVI＞PH,且GF-1融合数据分类精度高于Landsat8融合数据.筛选出43个变量作为优选特征变量进行分类,总体精度与Kappa系数分别为95.6％和94.9％,其中,包括37个时序EVI值和6个物候特征信息,其时序EVI数据对森林植被类型识别的贡献程度更高,物候特征信息有利于分类精度的提高.ESTARFM融合算法适用于GF-1与MODIS数据,在一定程度上可解决长时间序列高空间分辨率影像不足的问题;GF-1时序融合影像在多云雨、地形条件复杂的南方地区森林植被类型识别中具有较高精度.
文献关键词：
森林植被类型;时序数据;时空融合模型;物候
中图分类号：
作者姓名：
徐丽;欧阳勋志;潘萍;臧颢;刘军;杨凯
作者机构：
鄱阳湖流域森林生态系统保护与修复国家林业和草原局重点实验室,南昌330045;江西农业大学林学院,南昌330045
文献出处：
引用格式：
[1]徐丽;欧阳勋志;潘萍;臧颢;刘军;杨凯-.基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别)[J].应用生态学报,2022(07):1948-1956
A类：
MODIS09,EVI+PH
B类：
GF,WFV,森林植被类型,植被类型识别,南方地区,地形条件,多云,云雨,长时间序列,高空间分辨率遥感影像,融合技术,同步获取,高时空分辨率,遥感数据,类型信息,兴国县,时空自适应反射率融合模型,ESTARFM,Landsat8,OLI,高时间分辨率,A1,增强型植被指数,步长,时序数据,特征信息,随机森林分类,分类模型,模型识别,不同组合,组合方式,融合数据,数据分类,分类精度,特征变量,总体精度,Kappa,物候特征,贡献程度,融合算法,时空融合模型
AB值：
0.225297
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
