对被飓风破坏的森林进行变化监测与灾害评估是遥感技术的一个重要应用,遥感影像的特征信息提取对森林遥感监测的效果至关重要.多样性特征结合可以有效提高对森林变化的监测精度.然而,当前的空间信息如纹理特征的获取算法依旧保留着传统的固定式计算模式,一直面临着特征数量和邻域参考范围之间难以均衡的问题.为了解决以上问题,本文提出了基于多样性特征协同技术的飓风前后森林破坏遥感监测方法,首先计算出森林遥感影像变化前后的归一化植被指数差值和增强植被指数差值,并提出了基于复合窗口技术的来提取纹理特征,然后建立了多样性特性结合模型;其次提出了一种基于特征分离的旋转森林改进算法,最终,实现了内泽尔森林在暴风前后的高精度变化监测;另外,还测试了新模型在不同训练样本数量下的分类性能.实验结果表明,相对传统的基于光谱特征和单纯的纹理特征的变化监测方法,本文所提出的方法的整体精度、对变化区域和未变化区域的检测精度至多分别提高了 3.68％、6.53％和3.46％.本文的研究方法可以有效提高森林变化监测的性能,为森林灾害评估与森林资源保护提供参考依据.

多样性特征;分类;旋转森林;森林监测;植被指数;Formosat-2卫星

西安电子科技大学 电子工程学院,西安710071;中国科学院空天信息创新研究院,北京100094;西安电子科技大学 前沿交叉研究院,西安710071

[1]钟娴;冯伟;张亚丽;全英汇;黄文江;邢孟道-.基于多样性特征协同技术的飓风前后森林破坏遥感监测)[J].遥感学报,2022(09):1838-1848

旋转森林,Formosat

多样性特征,特征协同,协同技术,飓风,遥感监测,变化监测,灾害评估,遥感技术,重要应用,遥感影像,特征信息提取,森林遥感,特征结合,森林变化,监测精度,空间信息,纹理特征,固定式,计算模式,特征数,邻域,参考范围,监测方法,归一化植被指数,增强植被指数,口技,特征分离,改进算法,暴风,训练样本,样本数量,分类性能,光谱特征,整体精度,未变,检测精度,至多,森林资源保护,森林监测

0.386187