Картографирование классов бонитета лесов Приморского края на основе спутниковых изображений и данных о характеристиках рельефастатья

Статья опубликована в журнале из списка RSCI Web of Science

Информация о цитировании статьи получена из Scopus
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 25 апреля 2019 г.

Работа с статьей


[1] Картографирование классов бонитета лесов Приморского края на основе спутниковых изображений и данных о характеристиках рельефа / Е. Н. Сочилова, Н. В. Сурков, Д. В. Ершов и др. // Современные проблемы дистанционного зондирования Земли из космоса. — 2018. — Т. 15, № 5. — С. 96–109. В работе представлены результаты исследования возможности картографирования бонитетов лесов с использованием их спектральных характеристик и параметров цифровой модели рельефа. Тестовым регионом выбран Приморский край, леса которого характеризуются большим разнообразием видов древесных пород из-за особенностей климата и рельефа местности. Использовались шестнадцать различных характеристик (признаков). Спектральные характеристики лесов извлекались из очищенных от влияния облаков композитных изображений, полученных в летний и зимний периоды по данным измерений в красном, ближнем и среднем инфракрасных каналах инструмента дистанционного зондирования Proba-V. Параметры рельефа (высота, крутизна и ориентация склона) и производные от них индексы (солнечная радиация, глубина залегания грунтовых вод, кривизна поверхности) использовались для описания лесорастительных условий. С помощью наземных данных формировалась выборка для обучения и оценки точности классификации преобладающих древесных пород и классов бонитета леса. Качество отбора эталонов для бонитета лесов контролировалось анализом взаимосвязи среднего возраста и высоты древостоя для каждой породы. Для обучения классификатора использовалось 4465 сегментов изображений с классами бонитетов лесов для таких древесных пород, как ель, пихта, кедр, лиственница, берёзы белая и жёлтая, дуб, осина, берёза каменная, липа, ясень, кедровый стланик. Классификация данных выполнялась алгоритмом Random Forest, позволяющим предварительно оценивать обучающую выборку и информативность признаков. Для классификации пород использовались все шестнадцать признаков. Общая точность классификации древесных пород составила 89,0 %. Вклад каждого признака при классификации бонитетов определялся с помощью матрицы ошибок распознанных классов. В результате было отобрано двенадцать информативных признаков для классификации бонитетов леса. Точность распознавания бонитетов леса составила 84,8 %. В основном ошибки распознавания при классификации происходят между соседними классами бонитетов леса. Таким образом, комплексное использование спектральных характеристик лесов в сочетании с параметрами рельефа позволяет с удовлетворительной точностью классифицировать бонитеты лесных пород в условиях горной местности. Полученный опыт и результаты могут быть полезны для труднодоступных лесных регионов Сибири и Дальнего Востока. Однако для этого требуется большая выборка наземных или лесотаксационных данных, обеспечивающих статистическую основу для подготовки и обучения классификатора. [ DOI ]

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть