基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类

利用遥感数据开展森林资源树种的分类对森林资源的监测、森林可持续经营及生物多样性研究都有重要意义。该文以江苏南部丘陵地区的北亚热带天然次生林为研究对象, 利用LiCHy (LiDAR、CCD、Hyperspectral)集成传感器同期获取的高分辨率和高光谱数据, 进行冠幅识别和多个层次的树种分类: 首先, 对高分辨率影像进行基于边缘检测的多尺度分割, 提取出单木冠幅; 其次, 对高光谱影像进行特征变量提取, 并对提取出的特征变量利用信息熵原理选取优化特征变量; 然后, 分别利用全部特征变量和经优化的重要特征变量对森林树种及森林类型进行预分类; 最后, 在预分类结果中加入单木冠幅信息对森林树种及森林类型进行重分类, 并分析分类结果的精度。研究表明: 1)利用全部特征变量进行4个典型树种分类时, 总体精度为64.6%, Kappa系数为0.493; 而针对森林类型的分类精度为81.1%, Kappa系数为0.584。2)利用选取的优化特征变量分类精度略低于利用全部特征变量的分类精度, 其中对4个典型树种分类时, 总体精度为62.9%, Kappa系数为0.459; 而针对森林类型的分类精度为77.7%, Kappa系数为0.525。通过集成传感器同期获取的高分辨率和高光谱数据可以有效地进行北亚热带森林的树种分类及森林类型的划分。     

面向对象的优势树种类型信息提取技术

森林植被优势树种类型信息的提取是遥感影像分类中的难点.面向对象分类方法是用高空间分辨率遥感数据实现精确类型信息提取的新方法.本文以2013年Quickbird影像作为基础数据,选择福建省三明市将乐林场为研究区,采用面向对象多尺度分割方法提取耕地、灌草地、未成林造林地、马尾松、杉木和阔叶树等类型信息.分类特征融合植被的光谱、纹理和多种植被指数3类特征信息,建立类层次结构,对不同层次分别用隶属度函数和决策树分类规则,最终完成分类,并与只用纹理与光谱特征相结合的方法进行对比.结果表明:融合纹理、光谱、多种植被指数的面向对象的分类方法提取研究区优势树种类型信息的精度为91.3％,比只用纹理和光谱的方法精度提高了5.7％.     

基于多种遥感植被指数、叶绿素荧光与CO2通量数据的温带针阔混交林物候特征对比分析

植被物候学作为研究植被与环境条件相互作用的科学,在全球气候变化的大背景下已成为国际热点研究领域,其中森林植被在调节全球碳平衡、维护全球气候稳定的过程中有着至关重要的作用。随着遥感技术的发展,多种遥感指数被应用到森林植被物候研究中,其中以MODIS NDVI和EVI应用最为广泛,而叶绿素荧光(SIF)作为植被光合作用的"探针"也被广泛应用于森林植被物候研究中。为了探究3种指数在森林植被物候研究中的差异与特性,本文以长白山温带红松阔叶林通量观测站为研究区域,采用模型拟合结合动态阈值法提取2007—2013森林物候特征参数,并使用通量数据(总初级生产力GPP)进行验证。结果表明:NDVI与EVI、SIF相比,表现为生长季开始时间与结束时间的明显提前和滞后,与GPP数据偏差较大,且夏季生长季峰期曲线形态过宽且平坦,无法较好反映生长季变化特征;EVI相较于NDVI有所改善,整体变化趋势与SIF、GPP基本吻合,但依然存在秋季衰减时间稍迟于SIF与GPP的问题;SIF虽然存在夏季骤降现象,但依然与GPP数据一致性最好,可以较好反映出森林植被季节变化特征。SIF数据与植被光合作用的紧密关联使其在植被物候研究中具有优于植被指数的准确性,并随着遥感平台的增加和反演方法的改善,将会在多尺度、多类型的植被物候监测中发挥更加重要的作用。     

1990—2020年地表物候时空变化对高寒湿地景观演变过程的响应

地表物候是生态系统环境变化的敏感指示器。为探讨物候时空变化和湿地景观生态格局与过程之间的关系，论文以若尔盖高寒湿地为例，基于1990—2020年GIMMS3g NDVI和MODIS NDVI数据集、7期Landsat TM/OLI卫星遥感数据，采用阈值法提取地表物候参数，基于面向对象的分类方法解译出土地利用数据，利用土地覆盖转换指数模型(PNTI)刻画高寒湿地动态变化过程，分析地表物候时空变化与高寒湿地景观格局演变过程的关系。结果表明：(1)1990—2020年研究区呈现前期湿地面积减少后期趋于稳定的特征，根据土地利用类型演变路径和强度分为动态平衡区、退化演变区和恢复演变区，面积占比分别56.84%、 28.14%和15.02%。(2)植被返青期(SOS)、生长盛期(POS)呈南早北晚，枯黄期(EOS)呈中间早周边晚，生长期长度(LOS)呈中间短周边长、西北短东南长的空间分布特征。SOS分布在第96—149天，EOS分布在第249—284天，LOS持续125—173d, POS分布在第179—209天。SOS、POS先推迟后提前、EOS先提前后推迟，LOS呈现先缩短后延长的规律，199...     

秦岭南坡子午河中下游流域土地利用/土地覆被信息提取及其应用

精确的土地利用/土地覆被数据不仅可以反映区域的生态环境状况,为环境部门提供决策支持,也为实现区域生态环境更高质量发展发挥重要作用。以子午河中下游流域为研究区,利用多源多时相的landsat8卫星遥感数据,结合地面调查数据、文献调研等,探讨并研究支持向量机分类法（SVM）和随机森林模型（RFM）对该区的植被类型和土地利用现状类型进行识别,对两种方法的分类精度进行对比,并分析和评价光谱特征变量对模型的重要性和适用性。利用满足要求的土地利用现状数据,再结合修正的通用土壤流失方程RUSLE模型进一步计算出研究区的土壤侵蚀模数,绘制研究区土壤侵蚀分布图,结合土地利用/植被覆盖信息计算研究区的生态环境状况指数,从宏观上对子午河中下游流域进行生态环境评价。结果表明：①随机森林模型可以有效利用样本的特征因子,并与地形约束因子结合,从而对植被和土地利用类型进行分类,分类总体精度均达到80%以上,kappa系数分别为0.73和0.86,与传统的SVM方法相比,RFM方法均提高了森林类型和土地利用类型的分类精度。②研究区总体生态环境状况指数为87.12,生态环境状况为优,其中水源区附近由于土壤侵蚀流失量相对较大,所以生态环境状况为良,占研究区总面积的15.69%。     

基于物候特征的盐渍化信息数据挖掘研究

盐渍化是影响植被和作物长势的重要因素,精确反演盐渍化的时空分布信息至关重要。基于MOD13A1-NDVI数据反演生长季开始日期(SOS)、生长季结束日期(EOS)、生长季长度(LEN)等物候参数和计算出能高精度反演盐渍化空间分布的多种植被指数、盐分指数、地形指数、干旱指数等参数后作为BP-ANN人工神经网络的输入因子来反演盐渍化信息,同时按照植被类型和地貌类型进行分区来反演盐渍化信息,以探讨盐渍化受植被和地貌类型的影响。主要结论如下:(1)盐渍化的形成受多种因素的影响,与物候参数大多呈非线性关系,不能单纯的以某拟合公式来进行表达,需要借助人工神经网络超强的非线性拟合能力来反演盐渍化信息。(2)通过深入挖掘植被物候信息,在融入物候参数后的反演精度显著提高。可决系数R2从0.68(非物候参数)增加到0.79(包括物候参数),但是需要加入地形、影像数据和土壤水分等方面的信息来更加精确的反演盐渍化信息。生物累积量指标LSI(Large seasonal integral)和SSI(Small seasonal integral)能够很好的表征盐渍化的信息。(3)划分植被类型后的盐渍化提取精度进一步提高,可决系数R~2达到了0.88。(4)以地貌特征作为类型分区后,反演结果的R~2达到了0.85,精度较高,比以植被类型作为分区的精度略小。高程较低区域的盐渍化现象普遍较重,盐渍化程度受到地形和地貌因素的影响显著。(5)农用地区域多为非盐渍化和轻度盐渍化地,稀疏植被区多为重盐渍化地。研究区的非盐渍化和轻盐渍化地、中盐渍化地和重度盐渍化地比例分别为53.42%,13.71%,32.87%。以上的研究结果提出了一种融合物候信息和非物候参数来反演盐渍化信息的方法,进行深入的协同植被物候监测盐渍化信息方面的数据挖掘,在融入了物候参数后,盐渍化的预测精度显著提高。     

基于日光诱导叶绿素荧光的北半球森林物候研究

植被物候是反映植被生长规律的重要指标, 对气候的反馈具有重要意义。日光诱导叶绿素荧光(SIF)通过复杂的能量耗散机制与光合作用相关联, 提供了从空间直接探测大范围植被物候的可能性。为了探究气候变化背景下SIF反演不同森林类型物候的适用性, 该文以北半球35个全球通量网(FLUXNET)森林站点为研究对象, 利用2007-2014年SIF值和总初级生产力(GPP)通过双逻辑生长模型和动态阈值法来估算3种典型森林类型的物候, 并采用相关性分析等方法评价SIF在估算不同森林类型物候时的差异性。主要结果为: 1) SIF对生长季开始时间(SOS)的估算精度高于生长季结束时间(EOS); 2) SIF能够更准确地估算混交林(MF)的SOS, 但是不能精确追踪落叶阔叶林(DBF)和常绿针叶林(ENF)的SOS; 3)春季季前短波辐射是驱动SOS的主要气候因素。综上, 建议在将来的研究中将SIF数据与其他遥感指数整合, 应用于不同植物类型的物候监测。     

2003-2018年米仓山地区植被物候时空变化及对气候的响应

植被物候直接反映了植被对环境变化响应的动态过程,对研究植被与气候的关系具有重要意义。基于遥感植被时序数据,探讨秦巴山区典型山地-米仓山地区植被物候变化及其对气候的响应。利用MODIS NDVI时序数据,采用动态阈值法获取米仓山地区植被物候参数;借助于Theil Sen斜率、Mann Kendall趋势检验方法结合植被类型数据分析研究区物候时空变化;采用偏相关方法分析物候变化与气温和降水之间的关系。结果表明：（1）米仓山地区植被生长季始期（SOS）主要集中在第80-110d,海拔每上升100m,SOS大约推迟0.6d;生长季末期（EOS）主要集中在第250-300d;生长季长度（LOS）主要集中在130-210d。除低海拔区域受人类活动影响物候波动较大外,EOS和LOS随海拔变化存在2000m分界线,其下物候随海拔升高物候明显推迟或缩短,其上物候变化趋于平缓。（2）16a来植被SOS呈提前趋势,提前幅度为0.47d/a,提前的像元占74.03%,其中,达到显著提前的像元占12.21%（P<0.1）;EOS整体呈提前趋势,提前幅度为0.22d/a;LOS略有延长,延长幅度为0.26d/a。（3）区域常绿型森林植被SOS晚于同垂直带的落叶型森林植被;草地、常绿阔叶灌木林SOS提前趋势最明显,变化率分别为-0.80、-0.71d/a;EOS提前趋势最明显的是针阔混交林和落叶阔叶林。（4） SOS主要受3月平均气温和4月降水的影响,3月平均气温升高以及4月降水增加导致SOS提前;EOS主要受10月降水的负向影响。     

新疆伊犁地区植被水分利用效率时空格局研究

分析新疆伊犁地区植被水分利用效率(WUE)的时空变化特征, 为实现区域水资源可持续利用、生态环境可持续发展和区域生态系统保护等提供科学参考和数据基础。利用2000—2019年的MODIS NPP(净初级生产力)和MODIS ET(蒸散发)数据, 对伊犁地区近20年的植被WUE进行估算, 分析研究区植被WUE的年际变化和空间分布特征以及不同植被类型WUE的变化趋势, 并对植被WUE年际变化趋势的显著性进行检验。探讨多年平均植被WUE的高值区、中值区、低值区的分布范围及变化情况, 并结合MODIS Land Cover(土地覆盖类型)数据分析不同植被类型WUE的差异。结果表明: (1)2000—2019年伊犁地区植被WUE总体呈上升趋势, 增长率为13.24%; 研究区多年平均植被WUE呈现从东、南向西、北递增的趋势; 多年平均植被WUE高值区、中值区和低值区面积占研究区总面积的53.30%、32.06%和1.82%。2000—2019年研究区植被WUE中值区分布范围减小, 植被WUE高值区分布范围增加, 而低值区的分布范围变化较小。(2)植被WUE呈现增加和减小趋势的面积分别占研究区总面积的63.99%和23.29%; 在0.05的置信水平下, 41.07%的植被WUE增加区和10.54%的植被WUE减小区通过了显著性检验; 在0.01的置信水平下, 仅29.36%的植被WUE增加区和7.43%的植被WUE减小区通过了显著性检验。(3)不同植被类型WUE的年际变化趋势基本一致, 但年均植被WUE(g·mm-1·m-2)呈现为农作物(0.80)>针叶林(0.74)>草地(0.70)>阔叶林(0.65)>稀疏植被(0.18); 不同植被类型对研究区WUE的贡献率呈现为草地(59.83%)>农作物(32.55%)>针叶林(3.45%)>阔叶林(2.43%)>稀疏植被(0.91%)。总之, 2000—2019年的20年间, 伊犁地区植被WUE小幅上升, 年均植被WUE为0.71 g·mm-1·m-2, 两大河谷地区的植被WUE总体比东部、南部山区高, 草地和农作物的水分利用效率相对较高, 为当地生态环境保护和社会经济发展做出了较大贡献。     

厦门典型树种的HJ-1A/B NDVI时序数据滤波算法及物候特性

植被指数具有明显的季节节律,归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列可以获取地表植被物候信息,HJ-1 A/B兼具高空间分辨率和高时间分辨率的特点,为中小尺度范围树种物候特性应用与分析提供了丰富的时间序列数据。本文针对厦门市8个典型树种,选择Savizky-Glolay (S-G)滤波法和时间序列谐波分析法(Hants)对58景HJ-1 A/B NDVI曲线进行滤波重构,选用平均值、平均绝对误差和相关系数等指标对滤波结果进行定量评价,结合NDVI比率对8个树种的物候特性进行分析,最后探讨了气温和降水等气象因子对树种NDVI时序波动的影响。结果表明:S-G和Hants滤波方法均能很好地还原物候特征变化明显的植被,Hants谐波的平滑程度最好; 7个树种(尾叶桉除外)的NDVI值均处于较高的水平,NDVI时序年内波动并不剧烈,双峰形态表现明显,NDVI值在5、6月达到顶峰,7、8月下降,10月达到第二个峰值,第二个峰值比第一个峰值低; 8个树种的生长期持续时间较长,持续7～8个月,除尾叶桉的生长起始时间为2月底外,其他树种均在4月底进入生长期,11月生长期结束,在7月达到生长顶峰;生长期内出现生长期减缓的情况,8月出现生长谷值,生长曲线表现为双峰形态;树种的生长对7月降水量骤减有很明显的响应,不同树种的滞后期不同,生长降低的速度存在一定的差异,但大多表现为8月NDVI比率谷值。研究成果为亚热带地区HJ-1 A/B NDVI时间序列数据的滤波方法选择、典型树种物候特性及树种精细分类研究提供了一定的参考。     

浙江天童国家森林公园景观的遥感分类与制图

利用Landsat-TM多时相数据,采用非监督分类方法,对浙江省天童国家森林公园的景观进行分类。并利用野外实地调查的数据进行检验和校正。结果表明,天童国家森林公园范围内的景观可分为常绿阔叶林、成熟常绿阔叶林、次生常绿-落叶阔叶林、山脊常绿-落叶阔叶林、谷地常绿-落叶阔叶林、林缘灌丛、次生灌丛、针叶林(杉木)、竹林、生长作物的农田／菜园地、旱地、裸土、居住区、水体14个类型,这14个景观类型,根据植物群落学分类的群落复合体(cammunity complex)和群落复合体的地-综合群落学(Geo-synsociology)的方法,归并为山坡常绿阔叶林、常绿落叶阔叶混交林、人工林(针叶林、竹林)、农田、水体、居住区6个景观单元。在景观分类和合并的基础上,对天童国家森林公园的景观进行了制图。     

片口自然保护区植被的遥感分类

采用样方法对四川片口自然保护区的植被进行本底调查,利用野外普查数据和卫星照片解译相结合的技术,分析其植被现状。结果表明：片口自然保护区的植被类型比较丰富,且保存较完整,共有6种植被类型和15种群系。     

浙江省森林信息提取及其变化的空间分布

如何利用遥感技术提取森林信息是遥感应用的重要领域之一。以不同时相的Landsat TM/ETM+为数据源,采用面向对象和基于多级决策树的分类方法得到浙江省2000年、2005年以及2010年的森林植被覆被图。经实地采样点验证,2010年分类精度达到92.76%,精度满足要求。介绍了浙江森林信息的快速提取方法,即统计不同森林类型的Landsat TM影像原始波段和LBV变换值以及各种植被指数在各时相上的差异,经过C5决策树训练,选取合适的规则和阈值实现森林信息的提取。结果表明,面向对象分割与决策树算法结合可以作为森林信息提取的有效方法。最后,通过对3期森林专题图进行空间叠加分析,得到了森林资源动态变化的空间分布,并以此为基础对林地变化的类型及原因进行分析,结果显示浙江省森林资源变化主要分布在浙西北山区、浙中南山区以及沿海地带,这一结果可以为有关部门的决策提供依据。     

太行山区不同植被群落土壤微生物学特征变化

为评价太行山区不同植被群落土壤微生物学特征,比较分析了针阔混交林、针叶混交林、针叶纯林、落叶阔叶纯林、灌丛和裸露地6种不同植被群落中的土壤微生物区系、微生物生物量和呼吸强度等指标的变化.结果表明,6种不同植被群落土壤中的微生物学特征存在较大差异. 灌丛地在微生物数量和微生物生物量两项指标中均为最高,其余植被群落在这两项指标中的顺序从大到小依次为落叶阔叶纯林＞针阔混交林＞针叶纯林＞针叶混交林＞裸地,土壤呼吸强度也有相似的变化趋势.在进行退化山地的植被恢复时,应充分重视生态系统的自然恢复能力.     

中国西南干旱河谷植物群落的数量分类和排序分析

中国西南干旱河谷植被是我国西南横断山区特有的植被类型, 目前关于西南干旱河谷植被还没有整体性的群落类型划分研究。根据对甘肃、四川、云南三省九条主要河流的干旱河谷段野外调查和文献来源的1,339个植物群落样方数据, 采用自适应仿射传播聚类方法, 对我国西南干旱河谷的植物群落进行数量分类, 并采用典范对应分析方法进行排序分析。结果表明: (1)调查样方的植物群落分为7个植被型(稀树草原、肉质灌丛、常绿阔叶灌丛、暖性落叶阔叶灌丛、常绿硬叶林、落叶阔叶林和暖性针叶林), 24个群系, 31个群丛类型。暖性落叶阔叶灌丛是本植被区的代表性植被类型; 分布最广的群系为鞍叶羊蹄甲灌丛(Form. Bauhinia brachycarpa, 样方比例50.9%)、黄茅灌草丛(Form. Heteropogon contortus, 样方比例11.9%)、孔颖草灌草丛(Form. Bothriochloa pertusa, 样方比例5.6%)、黄荆灌丛(Form. Vitex negundo, 样方比例4.2%)、知风草灌草丛(Form. Eragrostis ferruginea, 样方比例3.8%)、车桑子灌丛(Form. Dodonaea viscosa, 样方比例3.4%)、云南松疏林(Form. Pinus yunnanensis, 样方比例3.3%)。(2)冬季低温和降水的季节性是限制干旱河谷植物群落分布的主要气候因子。稀树草原、肉质灌丛是典型的干热河谷植被类型; 暖性落叶阔叶灌丛、常绿硬叶林、常绿阔叶灌丛是干暖河谷植被的优势类型; 暖性针叶林、落叶阔叶林则主要在干温河谷环境占优势。     

百山祖自然保护区主要植被类型概述

对近20年来多次调查的资料进行系统整理,将百山祖植被主要划分成6个植被类型：常绿阔叶林、常绿落叶阔叶混交林、针阔叶混交林、针叶林、山地矮林和山地灌草丛,其下可分为22个群系：同时对群落的种类组成、结构和演替趋势作了概述。。     

中国成熟天然林土壤有机碳垂直分异特征

以分布在中国不同气候区的131个成熟天然林土壤为研究对象,测定不同土层(0～10、10～20、20～30、30～50和50～100 cm)土壤有机碳(SOC)密度,分析其与气象因子、土壤性质的关系,研究天然林SOC垂直分布特征及其影响机理。结果表明: 温带针叶林、温带落叶阔叶林、亚热带落叶阔叶林和亚热带常绿阔叶林0～30 cm土层SOC密度均随土壤深度增加而降低。在0～100 cm土层,SOC密度地带性分异明显,温带针叶林SOC密度显著高于温带落叶阔叶林,亚热带常绿阔叶林SOC密度显著高于亚热带落叶阔叶林。SOC密度与土壤黏粒、年降水量以及地上净初级生产力呈显著正相关,与土壤pH和年均温呈显著负相关。年降水量与年均温调节天然林SOC输入与输出,土壤pH与黏粒影响天然林SOC积累,对成熟的天然针叶林与常绿阔叶林进行有效保护,有利于增加我国森林土壤碳库。     

神农架龙门河地区的植被制图及植被现状分析

依据龙门河地区所处位置的植被地理分布规律性 ,绘制了该地区 1∶50 0 0 0的植被复原图。并在野外调查、资料搜集的基础上 ,辅以全球定位系统 (GPS)、GIS软件及TM影像数据 ,绘制了该地区 1∶50 0 0 0的植被类型图。结果表明 :1 )植被海拔分布由低至高依次为常绿阔叶林 (海拔 90 0m以下 ) ,硬叶常绿阔叶林 (海拔 90 0～ 1 30 0m)、常绿落叶阔叶混交林 (海拔 1 30 0～ 1 60 0m)以及落叶阔叶林 (海拔 1 60 0～ 2 2 0 0m)。 2 )龙门河地区林地面积 441 9.2hm2 ,占该地区总面积的 93 .71 % ,共计 8个植被型 65个群系。其中常绿落叶阔叶混交林面积最大 ,为 1 674.0 9hm2 ,占林地面积的 37.88%。另外 ,果园 (3种类型 )和农田两种农业用地面积 2 2 8.1 2hm2 ,占总面积的 4 .84%。 3)由植被复原图与现状植被类型图叠加分析可知 ,干扰后增加了针叶林、针阔混交林、灌丛、草地 4种植被类型 ,占龙门河地区总面积的 34 .6 %。其中针阔混交林所占面积最大 ,996 .79hm2 。     

Reflectance and transmittance spectra of leaves and shoots of 22 vascular plant species and reflectance spectra of trunks and branches of 12 tree species in Japan

This data paper reports spectral reflectance and transmittance data of leaves from 21 terrestrial vascular plant species (seven herbaceous, and 14 broadleaf and long-needle coniferous tree species) and of shoots from one short-needle coniferous tree species. The reflectance spectra of branches of one tree species, of the trunks of 12 tree species and ground surface of one deciduous broad-leaf forest are also reported. Optical measurements and leaf samplings were made at five sites on Honshu Island, Japan, which are typical vegetation types in East Asia, i.e., grassland, paddy field, and deciduous broad-leaf or coniferous forests. The collection and measurements were conducted for main species in each site. To include other common vegetation types in East Asia, such as evergreen broad-leaf or coniferous forests, the sample collection and the measurements were conducted at gardens and an experimental forest. Leaves of ten deciduous species were measured at different phenological stages from leaf expansion to senescence since those species shows significant seasonal changes in spectral reflectance and transmittance of leaves. Leaves at different position in a canopy (e.g., sunlit versus shaded leaves) were also measured for eight of 21 species. The spectral reflectance and transmittance from both adaxial and abaxial sides of the all leaves or needles, expect Picea abies needles. The measurements of the leaves were conducted with a spectroradiometer attached via an optical fiber to an integrating sphere. Two types of integrating spheres were used: a model LI-1800-12 (Li-Cor) and an RTS-3ZC integrating sphere (Analytical Spectral Devices). A leaf clip accessory was also used instead of an integrating sphere for measuring the leaves of two species. All data were measured within the 350–2,500-nm spectral range with 1-nm steps between measurements but the data obtained by LI-1800 is unavailable in 1,650–1,740, 1,890–1,950, and 2,050–2,500 nm because of a large amount of noise. These data are used as input parameters in a radiative transfer model designed to estimate the leaf area index from radiation reflected from a canopy surface.     

Object-Oriented Classification of Sugarcane Using Time-Series Middle-Resolution Remote Sensing Data Based on AdaBoost

Most areas planted with sugarcane are located in southern China. However, remote sensing of sugarcane has been limited because useable remote sensing data are limited due to the cloudy climate of this region during the growing season and severe spectral mixing with other crops. In this study, we developed a methodology for automatically mapping sugarcane over large areas using time-series middle-resolution remote sensing data. For this purpose, two major techniques were used, the object-oriented method (OOM) and data mining (DM). In addition, time-series Chinese HJ-1 CCD images were obtained during the sugarcane growing period. Image objects were generated using a multi-resolution segmentation algorithm, and DM was implemented using the AdaBoost algorithm, which generated the prediction model. The prediction model was applied to the HJ-1 CCD time-series image objects, and then a map of the sugarcane planting area was produced. The classification accuracy was evaluated using independent field survey sampling points. The confusion matrix analysis showed that the overall classification accuracy reached 93.6% and that the Kappa coefficient was 0.85. Thus, the results showed that this method is feasible, efficient, and applicable for extrapolating the classification of other crops in large areas where the application of high-resolution remote sensing data is impractical due to financial considerations or because qualified images are limited.