基于自动阈值决策树分类的桉树提取研究

在连年种植桉树的区域选取了不同龄期及其生长特性的样本点形成桉树样本集,并以Landsat 8为数据源进行样本集NDVI等8种指数的统计规律性分析,构建了一种基于指数分布规律性的自动阈值决策树分类方法,通过GEE平台将该方法应用于研究区的桉树林分类中,试验表明:1)2013—2019连年种植桉树样本集的多种指数变化具有明显的规律,各种指数每隔3年出现一次极小值,符合桉树的种植-砍伐周期性;2)与随机森林算法分类结果相比,自动阈值决策树的分类结果精度提高了约4%,平均分类总体精度达到0.88,平均kappa系数达到0.83;3)利用谷歌历史影像对自动阈值决策树分类结果进行验证,桉树分布区域重合率达到88.4%。以上结论均表明本文提出的自动阈值决策树分类法能有效实现桉树信息提取。