基于QUEST决策树的火烧迹地自动提取

霍鹏; 岳彩荣

doi:10.16779/j.cnki.1003-5508.2018.04.018

用微信扫码二维码

分享至好友和朋友圈

English

旧版入口

WE ARE COMMITTED TO REPORTING THE LATEST FORESTRY ACADEMIC ACHIEVEMENTS

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于QUEST决策树的火烧迹地自动提取

霍鹏 , 岳彩荣

文章导航 > 四川林业科技 > 2018 > 39(4): 73-78

霍鹏, 岳彩荣. 基于QUEST决策树的火烧迹地自动提取[J]. 四川林业科技, 2018, 39(4): 73-78. doi: 10.16779/j.cnki.1003-5508.2018.04.018

引用本文:

霍鹏, 岳彩荣. 基于QUEST决策树的火烧迹地自动提取[J]. 四川林业科技, 2018, 39(4): 73-78. doi: 10.16779/j.cnki.1003-5508.2018.04.018

HUO Peng, YUE Cai-rong. Automatic Extraction of Burned Area Based on QUEST Decision Tree[J]. Journal of Sichuan Forestry Science and Technology, 2018, 39(4): 73-78. doi: 10.16779/j.cnki.1003-5508.2018.04.018

Citation:

HUO Peng, YUE Cai-rong. Automatic Extraction of Burned Area Based on QUEST Decision Tree[J]. Journal of Sichuan Forestry Science and Technology, 2018, 39(4): 73-78. doi: 10.16779/j.cnki.1003-5508.2018.04.018

基于QUEST决策树的火烧迹地自动提取

doi: 10.16779/j.cnki.1003-5508.2018.04.018

霍鹏,
岳彩荣

详细信息

西南林业大学, 云南昆明 650224

作者简介:
霍鹏(1991-),女,辽宁锦州人,硕士研究生,研究方向:GIS RS SAR。

中图分类号: S762.2

Automatic Extraction of Burned Area Based on QUEST Decision Tree

More Information

Southwest Forestry University, Kunming 650224, China

摘要: 以研究大尺度范围内森林火灾面积提取的可行性为目的。本文以昆明市为研究区，分别提取2005年和2006年两期Landsat TM影像的植被指数、水体指数、火烧迹地指数、纹理特征等，并选取适于大尺度范围的最佳特征波段；利用特征融合后的影像构建决策树，实现大尺度范围内火烧迹地的自动提取。研究表明，QUEST算法的分类总体精度达84.5%，在3种分类方法中精度最高；采用QUEST算法的决策树分类提取“3·29”火烧迹地面积占实际的97.9%，但大尺度范围内火烧迹地提取效果并不理想，仍需人工剔除提取产生的较小的斑块；最后用2015年“3·02”的火烧迹地验证了QUEST决策树方法的具有一定的普适性。该模式对大尺度范围内森林火灾面积统计的具有重要应用价值。
- 火烧迹地;
- QUEST;
- CRUISE;
- 决策树;
- 自动识别
Abstract: Kunming was taken as the study area to study the feasibility of forest burned area extraction in large-scale range.The vegetation,water,burned site index and texture features were extracted from Landsat TM images in 2005 and 2006,then the best characteristics bands were chosen,which adapted for the large-scale range;Decision trees were determined using the feature-fused image,and fire burned information were automatically extracted in large-scale range.The research showed that the classification accuracy of the QUEST decision tree reached 84.5%,which was better than CRUISE 2D algorithm and maximum likelihood classification;The decision tree classification based on the QUEST algorithm was used to extract 97% of 3·29" burned area,but it was not ideal on large-scale.The smaller patches need to be manually removed;Finally,the "3·02" burned area in 2015 verified that the QUEST decision tree method had certain universality.This model had important application value for the statistics of forest burned areas in large scale.
- Burned area;
- QUEST;
- CRUISE 2D;
- Decision tree;
- Automatic identification

[1]	杨伟,张树文,姜晓丽.基于MODIS时序数据的黑龙江流域火烧迹地提取[J].生态学报,2015,35(17):5866~5873.
[2]	Li Z,Cihlar j,Moreau L.et al.Monitoring Fire Activities in the Boreal Ecosystem.J.Geophy.Res,1997(103).
[3]	邹文涛,张怀清,鞠洪波,等.基于QUEST树的高寒湿地植被覆盖类型遥感分类研究[J].中南林业科技大学学报,2011,31(12):138~144.
[4]	Gray J B,Fan G.Classification tree analysis using TARGET[J].Computational Statistics & Data Analysis,2008,52(3):1362~1372.
[5]	吴健生,潘况,彭建,等.基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例[J].地理研究,2012,31(11):1973~1980.
[6]	李振源,许捍卫,王金龙.基于QUEST决策树的大丰湿地信息提取[J].地理空间信息,2014(5):35~37.
[7]	Lim T S,Loh W Y,Shih Y S.A Comparison of Prediction Accuracy,Complexity,and Training Time of Thirty-Three Old and New Classification Algorithms[J].Machine Learning,2000,40(3):203~228.
[8]	那晓东,张树清,李晓峰,等.基于QUEST决策树兼容多源数据的淡水沼泽湿地信息提取[J].生态学杂志,2009,28(2):357~365.
[9]	杨超.基于混合像元分解决策树的土地利用/覆被分类研究[D].云南师范大学,2017.
[10]	李双,杨宝华.基于改进CRUISE算法的遥感影像分类研究[J].滁州学院学报,2014(2):75~79.
[11]	白秀莲,巴雅尔,哈斯其其格.基于C5.0的遥感影像决策树分类实验研究[J].遥感技术与应用,2014,29(2):338~343.
[12]	梅安新.遥感导论[M].高等教育出版社,2001:45~50.
[13]	田庆久,闵祥军.植被指数研究进展[J].地球科学进展,1998,13(4):327~333.
[14]	Baret F,dé,ric.Contribution au suivi radiométrique de cultures de céréales[J].Bibliogr,1986.
[15]	余哲修,何超,李昔纯,等.基于归一化燃烧率火烧迹地遥感提取识别规则研究[J].西北林学院学报,2018(1):216~224.

[1]	钟诗怡, 杨青娟. 丘陵地区“三生空间”功能识别与分析——以仁寿县为例 . 四川林业科技, 2024, 45(1): 126-132. doi: 10.12172/202310140001
[2]	张岳, 孙梦鑫, 辛宇, 杨存建. 成渝城市群土地利用变化与冲突识别研究 . 四川林业科技, 2023, 44(4): 49-57. doi: 10.12172/202209210003
[3]	高丰伟, 田睿, 周浩, 胡洁. 基于Spark MLlib中决策树算法对阿尔及利亚森林火灾的预测研究 . 四川林业科技, 2023, 44(5): 24-31. doi: 10.12172/202211150002
[4]	刘闵豪, 史亮, 何芝然, 肖兴翠, 李金武, 彭建. 川南地区红豆树容器育苗技术研究 . 四川林业科技, 2022, 43(4): 134-140. doi: 10.12172/202111150001
[5]	王晓琴, 王莉, 秦世豪. 贡嘎山黄崩溜沟泥石流迹地的植被恢复 . 四川林业科技, 2022, 43(3): 20-24. doi: 10.12172/202204070004
[6]	胡信坤, 吴丽娟, 贺俊东, 申世安. 北美引进泡泡树的研究进展 . 四川林业科技, 2021, 42(2): 103-109. doi: 10.12172/202009070002
[7]	高樟贵, 叶根华, 阙建勇, 王志坚, 叶卫军, 杨叶盛. 榧树容器育苗菌糠复合基质的筛选 . 四川林业科技, 2021, 42(2): 94-98. doi: 10.12172/202009090001
[8]	陈小中, 张临萍, 陈炙, 刘欢欢, 黄振, 李佳蔓, 杨汉波. 大花序桉优树家系苗期性状的遗传变异 . 四川林业科技, 2020, 41(2): 8-14. doi: 10.12172/201912120001
[9]	张孝辉, 米建波, 寸正良, 林静, 刘光华, 简毅. 安宁河中上游河谷平原古树资源特征研究 . 四川林业科技, 2019, 40(4): 34-38. doi: 10.16779/j.cnki.1003-5508.2019.04.007
[10]	熊延林, 杨耀文, 王愣, 何海宁. 橡胶树品种云研77-2阴坡和阳坡长势对比分析 . 四川林业科技, 2019, 40(5): 74-77. doi: 10.16779/j.cnki.1003-5508.2019.05.015
[11]	王晓娟, 陈洪, 王光剑, 马光良. 泸州市江阳区古树资源调查研究 . 四川林业科技, 2018, 39(6): 102-104. doi: 10.16779/j.cnki.1003-5508.2018.06.023
[12]	陈建, 袁伟刚, 肖兴翠, 杨勇智, 郭洪英, 黄振, 陈炙. 香椿优树半同胞家系苗期测定及家系选择 . 四川林业科技, 2017, 38(5): 8-12. doi: 10.16779/j.cnki.1003-5508.2017.05.002
[13]	辜云杰, 甘伟, 龙汉利, 贾晨, 殷国兰. 桢楠优树半同胞家系苗期测定及优良家系选择 . 四川林业科技, 2017, 34(6): 5-8. doi: 10.16779/j.cnki.1003-5508.2017.06.002
[14]	杨平, 陈炙, 黄振, 李玉华, 黄正芬. 月江杉木2代种子园优树选择研究 . 四川林业科技, 2016, 37(3): 20-24. doi: 10.16779/j.cnki.1003-5508.2016.03.004
[15]	王少祥, 任登均, 郑英. 七叶树引种栽培初报 . 四川林业科技, 2016, 37(5): 98-100. doi: 10.16779/j.cnki.1003-5508.2016.05.023
[16]	李秀寨, 韦宇, 施起勇, 赵璐璐. 楚雄市建城区行道树植物区系研究 . 四川林业科技, 2015, 36(6): 130-133. doi: 10.16779/j.cnki.1003-5508.2015.06.027
[17]	高洁, 周云霞, 罗建勋, 尹春英. 四川麻疯树野生资源种子性状研究 . 四川林业科技, 2015, 36(4): 82-85. doi: 10.16779/j.cnki.1003-5508.2015.04.016
[18]	蒋玲, 徐玉梅, 胥佳, 王金仙, 陈绍安. 火焰树山地造林密度试验初报 . 四川林业科技, 2015, 36(1): 55-57. doi: 10.16779/j.cnki.1003-5508.2015.01.013
[19]	李倩倩, 陈彬, 丁春邦. 雅安红花油茶优树筛选与资源利用分析 . 四川林业科技, 2013, 34(2): 36-39. doi: 10.16779/j.cnki.1003-5508.2013.02.007
[20]	唐小智, 孙泽平, 兰立达, 李兴红, 蒲永波, 李德文. 炼山对华西雨屏区杉木林采伐迹地土壤理化特征的影响 . 四川林业科技, 2013, 34(5): 29-36. doi: 10.16779/j.cnki.1003-5508.2013.05.007

点击查看大图

计量

文章访问数: 339
HTML全文浏览量: 45
PDF下载量: 4
被引次数: 0

基于QUEST决策树的火烧迹地自动提取

doi: 10.16779/j.cnki.1003-5508.2018.04.018

霍鹏,
岳彩荣

西南林业大学, 云南昆明 650224

作者简介:
霍鹏(1991-),女,辽宁锦州人,硕士研究生,研究方向:GIS RS SAR。

收稿日期: 2018-05-10

中图分类号: S762.2

关键词:

摘要: 以研究大尺度范围内森林火灾面积提取的可行性为目的。本文以昆明市为研究区，分别提取2005年和2006年两期Landsat TM影像的植被指数、水体指数、火烧迹地指数、纹理特征等，并选取适于大尺度范围的最佳特征波段；利用特征融合后的影像构建决策树，实现大尺度范围内火烧迹地的自动提取。研究表明，QUEST算法的分类总体精度达84.5%，在3种分类方法中精度最高；采用QUEST算法的决策树分类提取“3·29”火烧迹地面积占实际的97.9%，但大尺度范围内火烧迹地提取效果并不理想，仍需人工剔除提取产生的较小的斑块；最后用2015年“3·02”的火烧迹地验证了QUEST决策树方法的具有一定的普适性。该模式对大尺度范围内森林火灾面积统计的具有重要应用价值。