TY - JOUR A2 - Źróbek-Sokolnik, Anna AU - Nguyen Trong, Hung AU - Nguyen, The Dung AU - Kappas，马丁PY - 2020 DA - 2020/09/22 TI -土地覆盖和森林植被类型分类值指数和森林越南中部的热带低地森林结构SP - 8896310六世- 2020 AB -本文旨在(i)优化应用程序的多个波段的卫星图像,利用随机森林土地覆盖分类(ii)评估越南中部热带低地森林的垂直和水平结构的较优土地覆盖分类图像的植被指数的相关性和回归。在本研究中，我们使用Sentinel-2和Landsat-8对7类土地覆盖进行分类，将3种森林类型细分为未受干扰森林、低受干扰森林和受干扰森林，并随机抽取90个样地的森林清查作为地面真实，测量森林树木参数。在7种土地覆盖类型上共采集3226个训练点。Landsat-8的表现为out- bag error为31.6%，overall accuracy为68%，kappa为67.5%，而Sentinel-2的表现为out- bag error为14.3%，overall accuracy为85.7%，kappa为83%。提取图像的10个植被指数，研究3种森林类型中树木水平和垂直结构的相关与回归，评估3种森林类型中地面真实样地与训练样地之间的变异值。结果 t对植被指数的试验表明，10个植被指数中有6个显著 p < 0．05 ．7个植被指数与水平结构存在相关性，其中增强植被指数、垂直植被指数、差值植被指数和转换归一化差值植被指数相关性较好 r= 0.66、0.65、0.65、0.63，回归结果为 R ²= 0.44, 0.43, 0.43, 0.40。树高的相关系数为 r= 0.46、0.43、0.43、0.49，其回归系数为 R ²= 0.21, 0.19, 0.18, 0.24。结果表明，结合Sentinel-2的随机森林算法可用于森林类型分类，符合植被指数的应用要求。SN - 1687-9368 UR - https://doi.org/10.1155/2020/8896310 DO - 10.1155/2020/8896310 JF -国际林业研究杂志PB - Hindawi KW - ER -