摘要 : 红树林是最典型的滨海生态系统之一,红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义.遥感是开展红树林种间类型识别的有效手段,但传统的遥感红树林分类方法多是基于像元开展的,分类结果"椒盐"现象严重且精度还有很大... 展开 红树林是最典型的滨海生态系统之一,红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义.遥感是开展红树林种间类型识别的有效手段,但传统的遥感红树林分类方法多是基于像元开展的,分类结果"椒盐"现象严重且精度还有很大提升空间.因此,本研究以东寨港红树林保护区为例,基于Sentinel-2 MSI影像,在传统遥感分类方法的基础上引入图像分割技术,分别构建了面向对象的支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)分类法,并在此基础上对各模型的分类精度和适用性进行了分析.模型对比结果表明:(1)图像分割技术的引入能有效改善分类结果的"椒盐"现象,提升红树林种间类型的识别精度,基于像元使用SVM和RF分类算法总体分类精度分别可达78.82％(Kappa=0.75)和82.94％(Kappa=0.82),面向对象的SVM和RF模型分类总体精度分别可达81.5％(Kappa=0.78)和92.67％(Kappa=0.88),相较于以像元为分类对象的模型而言,后者精度分别提高了2.68％和7.43％;(2)从4个模型总体分类精度、各树种分类精度、模型稳定性和适用性方面来看,RF算法均优于SVM算法;(3)东寨港红树林分为6类,使用面向对象的随机森林分类,榄李和红海榄精度最高,其次为角果木,秋茄和无瓣海桑,海莲精度最低,为86.6％,6类树种分类精度均达85％以上.综上,基于面向对象使用随机森林分类算法构建分类模型可以准确识别分类红树林不同树种,为红树林种间精细化分类提供理论和技术支持. 收起