基于多源遙感數(shù)據(jù)的海南島天然林分類數(shù)據(jù)集

史建康，宮晨，李新武，萬祥星，孫中昶

1.海南省環(huán)境科學(xué)研究院，海南?？?571126

2.中國科學(xué)院遙感與數(shù)字地球研究所，北京 100094

數(shù)據(jù)庫（集）基本信息簡介

數(shù)據(jù)庫（集）名稱 基于多源遙感數(shù)據(jù)的海南島天然林分類數(shù)據(jù)集數(shù)據(jù)作者 史建康、宮晨、李新武、萬祥星、孫中昶數(shù)據(jù)通信作者 宮晨（gongchen@radi.ac.cn）數(shù)據(jù)時(shí)間范圍 2015年地理區(qū)域 北緯18°10′-20°10′，東經(jīng)108°37′-111°03′空間分辨率 30 m數(shù)據(jù)量 1.20 GB數(shù)據(jù)格式 *.bat, *.tif, *.shp, *.xml數(shù)據(jù)服務(wù)系統(tǒng)網(wǎng)址 http://www.sciencedb.cn/dataSet/handle/711基金項(xiàng)目 海南省重大科技計(jì)劃項(xiàng)目（ZDKJ2016021）；海南省自然科學(xué)基金面上基金項(xiàng)目（20164177）。

數(shù)據(jù)庫（集）組成數(shù)據(jù)集由2個(gè)壓縮包組成，文件以產(chǎn)品名命名：（1）Classification_of_Hainan_Island _Land_cover.zip是海南島土地初級利用分類產(chǎn)品數(shù)據(jù)，數(shù)據(jù)量約1.20 GB；（2）Classification_of_Hainan_Island _Natural_Forest.zip是海南島天然林分類產(chǎn)品數(shù)據(jù)，數(shù)據(jù)量約15.5 MB。

引 言

森林是全球生態(tài)系統(tǒng)的重要組成部分，也是國家可持續(xù)發(fā)展的重要物質(zhì)基礎(chǔ)和人類社會(huì)賴以生存的寶貴資源，隨著人類活動(dòng)的破壞及全球氣候的變化，使得森林資源遭到了不同程度的破壞，并且面臨著越來越多的威脅[1-2]。目前，傳統(tǒng)的森林資源調(diào)查手段在森林資源的調(diào)查和監(jiān)測中依然占據(jù)著重要地位。但是隨著遙感技術(shù)的進(jìn)步，利用其對森林資源進(jìn)行調(diào)查正逐漸成為林業(yè)調(diào)查的一種重要技術(shù)手段。相比于傳統(tǒng)林業(yè)調(diào)查，遙感技術(shù)可以快速、宏觀、準(zhǔn)確地完成對森林地區(qū)信息的收集，通過遙感圖像的處理、解譯和分析等手段可以對目標(biāo)區(qū)域的森林資源進(jìn)行定性或者定量的調(diào)查。遙感圖像分類是遙感技術(shù)在林業(yè)領(lǐng)域應(yīng)用的一個(gè)重要內(nèi)容，針對不同來源、不同形式的遙感圖像進(jìn)行分類不僅為森林資源調(diào)查和監(jiān)測提供了有力支持，而且在森林制圖、林業(yè)規(guī)劃、森林火災(zāi)及病蟲害的監(jiān)測等方面都發(fā)揮著重要作用[3-4]。當(dāng)前，針對海南島人工林的遙感監(jiān)測研究已經(jīng)取得了很大進(jìn)展[5-6]。從分類精度上看，中尺度的橡膠林遙感識別精度較高，而大尺度的橡膠林分類精度較低，小尺度的油棕櫚、柚木林、桉樹林等遙感分類精度則達(dá)90%左右。對于海南島熱帶天然林分類研究而言，當(dāng)前采用的主要還是野外調(diào)查、實(shí)地勘測等方法，采用遙感手段對其進(jìn)行分類和類型識別的研究和探討較少。

對于熱帶地區(qū)的氣候來說，多云多雨是影響光學(xué)遙感數(shù)據(jù)的最主要因素，海南地區(qū)亦是如此。而微波遙感由于波長較長，穿透能力強(qiáng)，能夠有效穿透云霧，減少云霧對觀測效果的影響，因此微波遙感對于熱帶地區(qū)進(jìn)行遙感森林監(jiān)測來說是一個(gè)有力的補(bǔ)充[7]。光學(xué)遙感中，主要利用數(shù)據(jù)中的紅外、近紅外波段對植被疏密程度的敏感性，以及影像中的色彩、紋理等特征來進(jìn)行森林資源的調(diào)查和監(jiān)測。而微波遙感中，利用短波段（C波段和X波段）對于森林頂部冠層中不同葉片形狀的后向散射特性的不同來進(jìn)行識別。利用光學(xué)遙感數(shù)據(jù)和微波遙感數(shù)據(jù)結(jié)合，利用兩者的優(yōu)勢開展熱帶森林資源的調(diào)查和監(jiān)測正逐漸發(fā)展成為一種趨勢。在熱帶森林多云多雨的氣候條件下，選擇合適的遙感數(shù)據(jù)源，并利用野外實(shí)地采集數(shù)據(jù)以及其他林業(yè)調(diào)查資料，研究適用于我國熱帶地區(qū)森林分類的方法，使其更好地服務(wù)于當(dāng)?shù)亓謽I(yè)部門森林資源調(diào)查、林業(yè)規(guī)劃以及合理開發(fā)，是當(dāng)前的研究熱點(diǎn)之一。

海南島熱帶森林主要分布于中部的山區(qū)，主要有尖峰嶺、霸王嶺、黎母山、五指山和吊羅山5大熱帶森林分布區(qū)。其中尖峰嶺是海南島面積最大的熱帶森林分布區(qū)，由于地形和氣候影響，尖峰嶺熱帶森林類型豐富，植被種類繁多，具有垂直分布結(jié)構(gòu)，植被類型的優(yōu)勢種并不明顯。尖峰嶺地區(qū)主要森林類型有典型熱帶雨林、熱帶季雨林、常綠苔蘚林以及常綠落葉闊葉混交林。尖峰嶺地區(qū)的植被種類多達(dá)2800多種，主要植被科目有蕓香科、蝶形花科、菊科、喬本科、桑科、樟科、龍腦香科、棕櫚科、桃金娘科、杜英科以及灰木科等。其他4個(gè)主要的森林分布區(qū)由于地勢、氣候以及土壤類型等因素的影響，造成了森林類型分布的一些差異，但總體上的森林類型以及植被種類分布情況基本相似。

因此，本數(shù)據(jù)集以海南島為研究區(qū)，利用光學(xué)遙感數(shù)據(jù)和多時(shí)相SAR數(shù)據(jù)提取海南島天然林主要林型的空間分布。本文研究可以為其他地區(qū)的熱帶天然林分類研究提供一定的參考，同時(shí)也為海南島天然林的保護(hù)和規(guī)劃提供決策支持和依據(jù)。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)源

1.1.1 遙感數(shù)據(jù)

考慮到數(shù)據(jù)分辨率的可分性與大區(qū)域應(yīng)用的經(jīng)濟(jì)適用性之間的協(xié)同問題，本研究選取中高空間分辨率的遙感數(shù)據(jù)作為數(shù)據(jù)源，包括Landsat-8衛(wèi)星的OLI數(shù)據(jù)和Sentinel-1A衛(wèi)星提供的干涉寬幅地距多視產(chǎn)品（IW-GRD），既保證了能有效提取熱帶森林中的天然林類型，也節(jié)約了數(shù)據(jù)收集的成本。采用的投影均為基于WGS84的UTM投影。具體情況如下：2015年11月至2016年2月期間的Landsat-8衛(wèi)星 OLI數(shù)據(jù)共 4景（云量較少，獲取時(shí)間相近），2015年6月至2016年 4月期間的Sentinel-1A衛(wèi)星SAR數(shù)據(jù)10期共計(jì)20景數(shù)據(jù)（成像模式為干涉寬幅地距多視產(chǎn)品，GRD）。數(shù)據(jù)詳細(xì)信息見下表1。

表1 光學(xué)遙感與SAR數(shù)據(jù)參數(shù)

1.1.2 森林調(diào)查數(shù)據(jù)

除遙感數(shù)據(jù)外，為了保證研究工作的準(zhǔn)確性和可靠性，還在海南島進(jìn)行了林業(yè)調(diào)查，得到了天然林類型采樣數(shù)據(jù)集。在海南島熱帶森林野外數(shù)據(jù)采集中，針對海南島熱帶森林典型熱帶雨林、熱帶季雨林、常綠苔蘚林、常綠落葉闊葉混交林等天然林類型和橡膠林、桉樹林、檳榔等人工林類型進(jìn)行實(shí)地?cái)?shù)據(jù)采集。數(shù)據(jù)采集實(shí)驗(yàn)主要測量參數(shù)有：森林類型、地理坐標(biāo)和森林類型特征（森林冠層特征、代表性樹種）。

野外數(shù)據(jù)采集在考慮到樣本典型性以及采樣地點(diǎn)可達(dá)性行原則的基礎(chǔ)上，選取了儋州、屯昌、樂東附近的人工林分布密集區(qū)，以及尖峰嶺、百花嶺、東寨港等天然林分布較為典型的區(qū)域。其中，人工林種植區(qū)多分布于人類活動(dòng)易干擾區(qū)，為便于樣本快速采集，人工林樣本點(diǎn)基本沿國道或鄉(xiāng)村道路采集；天然林多分布于山區(qū)，車輛不易通行，需要徒步進(jìn)入采集，因此采樣區(qū)域有限，此次天然林樣本點(diǎn)采集主要集中在尖峰嶺、百花嶺等地區(qū)。本次數(shù)據(jù)采集樣點(diǎn)分布及樣本信息如圖1所示。

圖1 野外數(shù)據(jù)采集樣本實(shí)例

野外實(shí)地?cái)?shù)據(jù)共包含了300個(gè)樣本點(diǎn)，數(shù)據(jù)采集后根據(jù)數(shù)據(jù)記錄對采集的森林樣本進(jìn)行總結(jié)，海南島熱帶森林類型具體特征如下。

（1）人工林：主要分布在海拔較低的平原和丘陵地區(qū)，基本為大面積連續(xù)的單一樹種，種植分布具有明顯的規(guī)律，絕大多數(shù)為經(jīng)濟(jì)林種植區(qū)。

（2）典型熱帶雨林：植被茂盛，樹種類型豐富，基本沒有受到人為影響，空間結(jié)構(gòu)分層比較明顯，一般分層達(dá)到5-7層，主要為草本層、灌木層、幼小喬木層、一般喬木層以及高大喬木層。

（3）常綠落葉闊葉混交林：遭受到的人為影響很大，喜陽植物較多、分層不明顯，一般只有1-2層，主要為灌木層和喬木層。其中落葉樹種主要為楹樹、楓香、海南菜豆樹等。

（4）熱帶季雨林：受到一定的人為影響，分層一般有3-4層，有一定的季相變化，其中變化樹種主要為蒲桃、榕樹等。

（5）常綠針葉林：葉片形狀為針形，樹種主要為加勒比松、南亞松等松樹，分布單塊面積較小且零星分散，基本沒有大面積連續(xù)的針葉林樹種。

（6）常綠苔蘚林：主要分布海拔1200 m以上的山頂，樹木矮小，整個(gè)冠層高度較矮，且分布面積很小。

1.2 數(shù)據(jù)處理方法

由于光學(xué)遙感和微波遙感成像機(jī)理不同，影響影像數(shù)據(jù)質(zhì)量的因素也不同。所以本研究將數(shù)據(jù)預(yù)處理分成2個(gè)部分：SAR數(shù)據(jù)預(yù)處理和光學(xué)遙感數(shù)據(jù)預(yù)處理。SAR數(shù)據(jù)預(yù)處理包括雷達(dá)輻射定標(biāo)、圖像濾波和地形輻射校正；Landsat-8衛(wèi)星的OLI數(shù)據(jù)預(yù)處理包括輻射定標(biāo)和大氣校正。在完成數(shù)據(jù)預(yù)處理后，考慮到不同空間分辨率數(shù)據(jù)的圖像配準(zhǔn)問題，將SAR數(shù)據(jù)重采樣到Landsat-8多光譜數(shù)據(jù)一樣的 30 m空間分辨率。在此基礎(chǔ)上再進(jìn)行分類特征提取，并利用支持向量機(jī)（Support Vector Machine，SVM）分類算法對天然林進(jìn)行提取和分類，并結(jié)合野外實(shí)地采集數(shù)據(jù)以及林業(yè)調(diào)查資料，對天然林分類的精度進(jìn)行分析，得到海南島天然林分類圖。具體流程如圖2所示。

1.2.1 分類特征提取

在進(jìn)行分類特征選取時(shí)，除了要考慮分類地物的典型光譜特征外，還要考慮波段提供的信息量以及不同波段在分類中作用的重復(fù)程度[8-9]。本研究分別對OLI數(shù)據(jù)的單波段光譜特征、多波段光譜特征以及SAR數(shù)據(jù)的VV、VH極化后向散射系數(shù)進(jìn)行統(tǒng)計(jì)分析，提取適合分類特征。

（1）光譜特征選取

經(jīng)過對Landsat-8衛(wèi)星數(shù)據(jù)的單波段統(tǒng)計(jì)特征和多波段統(tǒng)計(jì)特征的分析得知：

1）中近紅外波段（Band5）的標(biāo)準(zhǔn)差最大，2個(gè)短波紅外波段（Band6和Band7）的標(biāo)準(zhǔn)差同樣較大，藍(lán)光波段（Band4）標(biāo)準(zhǔn)差最?。ū?）。說明藍(lán)光波段能夠反映的地表遙感信息較少，近紅外或短波紅外包含的信息量更多；

2）近紅外波段和前4個(gè)波段之間的協(xié)方差最大（表3），表明深藍(lán)波段、藍(lán)光波段、短波紅外2波段與其他波段之間的同向性比較弱；

圖2 海南天然林分類流程圖

表3 Landsat-8衛(wèi)星OLI數(shù)據(jù)各波段間的協(xié)方差

3）通過表4各個(gè)波段的相關(guān)系數(shù)，可以看出藍(lán)光波段、短波紅外2波段與其他波段相關(guān)性更強(qiáng)，其獨(dú)立性相對較弱。

表4 Landsat-8衛(wèi)星OLI數(shù)據(jù)各波段間的相關(guān)系數(shù)

由于深藍(lán)波段比較適合海岸帶觀測，本研究又要對海岸林進(jìn)行觀測，所以深藍(lán)波段也是分類需要考慮的波段。最終將 Landsat-8衛(wèi)星數(shù)據(jù)中除藍(lán)光波段和短波紅外 2波段的其他波段作為優(yōu)選波段，進(jìn)行分類。

（2）SAR后向散射強(qiáng)度特征選取

通過對多時(shí)期雙極化方式的SAR數(shù)據(jù)進(jìn)行統(tǒng)計(jì)特征的分析（表5和表6），可以知道：

1）從6月份到10月份的雨季到11月至來年2月份的旱季標(biāo)準(zhǔn)差整體趨勢是增加的，從側(cè)面說明在旱季對地表進(jìn)行的探測，往往比雨季得到的地表信息更豐富；

2）VH極化SAR數(shù)據(jù)的標(biāo)準(zhǔn)差普遍高于VV極化的，說明交叉極化模式的SAR數(shù)據(jù)在進(jìn)行觀測時(shí)，比同極化SAR數(shù)據(jù)得到的信息更多；

3）2種極化SAR數(shù)據(jù)都是在2月份達(dá)到標(biāo)準(zhǔn)差最大值，說明如果考慮分類數(shù)據(jù)量的大小，只選擇一期SAR數(shù)據(jù)進(jìn)行分類時(shí)優(yōu)先考慮，即在旱季成像的SAR數(shù)據(jù)。

經(jīng)過光學(xué)數(shù)據(jù)和SAR數(shù)據(jù)的統(tǒng)計(jì)特征分析后，綜合考慮數(shù)據(jù)量大小，波段的有效性和季相變化等因素，最終發(fā)現(xiàn) OLI數(shù)據(jù)的1、3、4、5、6波段，歸一化植被指數(shù)以及2015年8月12日和2016年2月8日的雙極化SAR數(shù)據(jù)是下一步分類研究需要優(yōu)先考慮的分類數(shù)據(jù)組合。

表5 多時(shí)期VH極化后向散射系數(shù)統(tǒng)計(jì)特征

表6 多時(shí)期VV極化后向散射系數(shù)統(tǒng)計(jì)特征

1.2.2 分類算法選擇

本研究基于SVM算法進(jìn)行天然林范圍提取和天然林分類。SVM的基礎(chǔ)是統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，主要是利用有限的樣本所提供的信息對模型的學(xué)習(xí)能力和復(fù)雜性進(jìn)行最優(yōu)的選擇，以便得到最好的泛化能力[10]。SVM 的基本原理是將訓(xùn)練樣本數(shù)據(jù)通過一定的變換，映射到高維特征空間，并在高維特征空間內(nèi)尋找平面即最優(yōu)超平面，然后利用該平面使得不同類別的數(shù)據(jù)區(qū)分開來[11]。SVM模型遙感領(lǐng)域中得到了較為廣泛的應(yīng)用。

本研究中的SVM分類主要是通過ENVI軟件中的支持向量機(jī)模塊進(jìn)行的，其中對于SVM分類建模中主要涉及的參數(shù)有核函數(shù)選擇和最優(yōu)參數(shù)選擇。在ENVI支持向量機(jī)分類模塊中包含的主要核函數(shù)有線性核函數(shù)（Linear）、多項(xiàng)式核函數(shù)（Polynomial）、Sigmoid核函數(shù)和高斯徑向基核函數(shù)（Radial Basic Function, RBF）。

以上幾種核函數(shù)中，使用最為普遍的是RBF核函數(shù)。該核函數(shù)具有較好學(xué)習(xí)能力，是一種采用較多，且分類結(jié)果較為理想的分類核函數(shù)[12]。因此本研究分別選擇RBF核函數(shù)進(jìn)行建模，在ENVI軟件中的SVM模塊中需要選擇分類器參數(shù)，經(jīng)過多次試驗(yàn)最終確定SVM分類參數(shù)。提取天然林范圍時(shí)，SVM的參數(shù)設(shè)置是RBF核函數(shù)的γ值為0.083，懲罰系數(shù)為100；但是在進(jìn)行天然林分類時(shí)，SVM的參數(shù)設(shè)置為RBF核函數(shù)的γ值為0.077，懲罰系數(shù)為100。

1.2.3 海南熱帶天然林分類體系

由于海南島熱帶天然林分布十分復(fù)雜，為避免其他地物類型對天然林分類的影響，本研究的分類方法采用分層分類的策略，首先對天然林范圍進(jìn)行提取，然后在天然林范圍提取的基礎(chǔ)上對其內(nèi)部林型進(jìn)行分類。

（1）海南島土地初級分類體系

對于海南島土地進(jìn)行初級分類主要目的是對天然林的范圍進(jìn)行提取，因此只進(jìn)行基本地物分類。參照遙感數(shù)據(jù)情況、海南島的實(shí)際情況以及初級分類的用途，制定了海南島土地初級分類體系。同時(shí)，對于初級分類中的地物類型，通過對Landsat-8衛(wèi)星遙感影像進(jìn)行解譯，同時(shí)參考了野外實(shí)地采樣數(shù)據(jù)，建立了影像解譯標(biāo)志。表7為海南島土地初級分類體系及解譯標(biāo)志。圖3為主要地物類型的解譯標(biāo)志示意圖。

本研究利用這些遙感影像解譯標(biāo)志，進(jìn)行了樣本的選取和訓(xùn)練，為接下來利用SVM分類模型進(jìn)行海南島初級分類奠定了基礎(chǔ)。

表7 海南島土地初級分類體系及解譯標(biāo)志

圖3 海南島土地初級分類解譯標(biāo)志示意圖

（2）海南熱帶天然林分類體系

海南島地處熱帶，是我國熱帶森林植被的重要分布區(qū)，特別是海南島中南部地區(qū)被普遍認(rèn)為是具有國際意義的包括植被多樣性在內(nèi)的生物多樣性最豐富的區(qū)域之一。對于海南島熱帶森林的分類體系還存在一定的分歧。在國家2010年發(fā)布的森林資源規(guī)劃設(shè)計(jì)調(diào)查技術(shù)規(guī)程[13]中，將森林類別按照用途或樹種進(jìn)行劃分，樹種類別較多，遙感解譯尚存在較大困難。宋永昌[14]在2011年提出的植被分類系統(tǒng)中，森林被劃分為一個(gè)獨(dú)立的植被型綱，這樣的劃分更有利于森林系統(tǒng)性的識別。因此，在宋永昌分類系統(tǒng)的基礎(chǔ)上，利用所選取的多源遙感數(shù)據(jù)，選擇海南島常見林型進(jìn)行天然林內(nèi)部類型的分類研究。

本研究在宋永昌2011年提出的植被分類系統(tǒng)（表8）的基礎(chǔ)上[14-15]，結(jié)合海南島野外調(diào)查的實(shí)際經(jīng)驗(yàn)和遙感機(jī)理的分析，將海南島熱帶天然林分為典型熱帶雨林、熱帶季雨林、針葉林、海岸林以及常綠闊葉林。由于海南地區(qū)的常綠落葉林只是零散的分布于常綠闊葉林之中，兩者之間并沒有明顯的區(qū)別，所以在這里將常綠闊葉林和常綠落葉闊葉混交林分成一類，統(tǒng)一歸類為常綠闊葉林。

表8 宋永昌提出的森林分類系統(tǒng)

2 數(shù)據(jù)樣本描述

2.1 海南島土地初級分類

首先利用SVM分類算法進(jìn)行海南島的土地初級分類，參照制定的土地初級分類體系，將海南島分為水體、其他植被、人工林、天然林、人工地表、裸地以及海岸林7種地類。海南島土地初級分類結(jié)果顯示如圖4所示。

圖4 基于SVM的海南島土地初級分類結(jié)果

2.2 海南島天然林范圍

在海南島土地初級分類的基礎(chǔ)上，基于 SVM 方法對海南島土地初級分類中天然林的范圍進(jìn)行提取。并以此為基礎(chǔ)，依據(jù)野外實(shí)地調(diào)查數(shù)據(jù)、海南林業(yè)部門提供的森林抽樣統(tǒng)計(jì)調(diào)查數(shù)據(jù)以及對高空間分辨率影像的目視解譯，對 SVM 分類結(jié)果中的天然林零碎圖斑進(jìn)行識別，剔除非天然林斑塊，最終得到天然林的總體范圍（圖5）。

圖5 海南島天然林范圍（紅色區(qū)域）

2.3 基于SVM的天然林分類結(jié)果

為了避免其他地類信息干擾天然林分類，本研究在進(jìn)行天然林范圍提取后，對分類所用的遙感數(shù)據(jù)進(jìn)行了裁剪，使得在天然林范圍內(nèi)只包含天然林林型，沒有其他地類。由于各種天然林林型在遙感影像上的區(qū)別較小，僅憑肉眼很難識別。因此，對于天然林分類的樣本選取主要依靠野外實(shí)地采樣點(diǎn)和海南林業(yè)部門提供的森林抽樣調(diào)查資料進(jìn)行選擇。結(jié)合2種資料最終選取了各類天然林樣本280塊，隨機(jī)抽取70%進(jìn)行樣本的訓(xùn)練和分類，其余30%用于精度驗(yàn)證。

同時(shí)，本研究利用ENVI軟件中提供的計(jì)算ROI可分離性（Separability）工具來確定2個(gè)類別間的差異程度。類別間的差異主要通過計(jì)算 Jeffries-Matusita距離和轉(zhuǎn)換分離度（Transformed Divergence）來確定任意類別間的統(tǒng)計(jì)距離，從而衡量訓(xùn)練樣本（ROI）的可分離性。表9為海南島天然林類型樣本可分離性統(tǒng)計(jì)。

表9 海南島天然林類型樣本可分離性統(tǒng)計(jì)

訓(xùn)練樣本的可分離性值在0-2.0之間，大于1.9說明樣本之間可分離性好，屬于合格樣本；小于1.8，需要編輯樣本或者重新選擇樣本；小于1，考慮將2類樣本合成一類樣本。從表9中可以看出任意天然林類型之間的可分離性均大于1.9，證明了5種天然林類型在此類遙感特征中的可分離性較好。

基于SVM模型的分類結(jié)果如圖6和圖7所示。其中圖7中有一條黃色線狀條帶，這是因?yàn)樵糞entinel-1A極化SAR數(shù)據(jù)缺失導(dǎo)致，在拼接過程中線狀條帶為數(shù)據(jù)缺失部分。

圖6 基于SVM的天然林分類結(jié)果

圖7 基于SVM的天然林分類結(jié)果細(xì)部圖（尖峰嶺）

3 數(shù)據(jù)質(zhì)量控制和評估

3.1 海南島土地初級分類精度分析

本研究分類結(jié)果評價(jià)均采用混淆矩陣作為分類精度的評價(jià)方法。對于精度評價(jià)的指標(biāo)主要利用了生產(chǎn)者精度、用戶精度、總體精度以及Kappa系數(shù)4個(gè)精度評價(jià)指標(biāo)[16]。表10為海南島土地初級分類精度評價(jià)。

表10 基于SVM的海南島土地初級分類精度評價(jià)

通過利用混淆矩陣對于SVM模型分類結(jié)果的精度評價(jià)可以看出，基于SVM模型的分類方法在海南土地初級分類中得到了很好的效果，總體精度達(dá)到了95.15%，Kappa系數(shù)為0.943。

3.2 海南島天然林分類精度分析

同樣采用混淆矩陣作為天然林分類精度的評價(jià)方法，從生產(chǎn)者精度、用戶精度、總體精度以及Kappa系數(shù)4個(gè)方面進(jìn)行評價(jià)。表11為天然林分類精度評價(jià)。

表11 基于SVM的天然林分類精度評價(jià)

海岸林 3 0 2 0 0 1 080 99.54%總計(jì) 1500 1400 168 1625 1075 5768生產(chǎn)者精度 92.60% 96.71% 53.37% 83.20% 100%總體精度：91.19% Kappa系數(shù)：0.883 7

通過表11可以看出SVM分類模型在天然林分類中取得了較好的精度。對于天然林分類而言，分類結(jié)果的總體精度雖然很高，但是主要由于海岸林等較為容易區(qū)分的林型拉升了總體精度，將海岸林等林型排除后，天然林分類中有些林型的分類精度還是比較低，例如常綠針葉林。

對于常綠針葉林而言，基于SVM算法的分類，生產(chǎn)者精度只有53.57%。經(jīng)過分析，常綠針葉林分類精度不高的原因有2點(diǎn)：（1）在野外實(shí)地調(diào)查中，可以發(fā)現(xiàn)常綠針葉林的分布極為零散，有的甚至以棵的形式存在，即使有成片的常綠針葉林，其面積也很小，根本不足一個(gè)像元的面積，這樣就造成了混合像元，在進(jìn)行樣本的訓(xùn)練和分類時(shí)會(huì)造成誤差，從而影響分類精度。（2）本文研究用的是C波段雷達(dá)數(shù)據(jù)，C波段雷達(dá)雖然無法穿透茂盛的樹木冠層，但是對于稀疏分布的常綠針葉林來說，則就有一定的穿透性。并且在熱帶天然林中常綠針葉林冠層以下均有闊葉類型的灌木叢分布，這也從一定程度上增加了常綠針葉林和常綠闊葉林的區(qū)分難度。因此，利用C波段雷達(dá)對于常綠針葉林的葉片形狀并不敏感，這也降低了分類精度。

4 數(shù)據(jù)價(jià)值

本研究以海南島為研究區(qū)域，利用多源遙感數(shù)據(jù)，進(jìn)行了多源遙感的數(shù)據(jù)預(yù)處理并對數(shù)據(jù)特征進(jìn)行了分析，在此基礎(chǔ)上對海南島的熱帶天然林進(jìn)行了提取，并對天然林進(jìn)行分類研究。利用信息量較大的光學(xué)數(shù)據(jù)波段、旱季雨季的SAR數(shù)據(jù)和歸一化植被指數(shù)組成的數(shù)據(jù)組合對海南島進(jìn)行土地初級分類和天然林分類，SVM的總體分類精度分別達(dá)到了95%和91.2%，結(jié)果表明本文的分類方法在天然林分類中具有很好的效果。天然林的分類結(jié)果對進(jìn)行森林調(diào)查和監(jiān)測具有重要的意義，在生態(tài)層面和經(jīng)濟(jì)層面也都有重要的價(jià)值。