科研之友
微信
新浪微博
Facebook
分享链接
摘要
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%。
- 出版日期2022
- 单位西安理工大学; 陕西省引汉济渭工程建设有限公司
