影像的土地覆被快速分类

编号 zgly0001706705

文献类型 期刊论文

文献题名 影像的土地覆被快速分类

作者 柴旭荣  李明  周义  王金风  田庆春 

作者单位 山西师范大学地理科学学院 

母体文献 遥感技术与应用 

年卷期 2020年02期

年份 2020 

分类号 TP79  F301 

关键词 土地覆被分类  云计算  随机森林法  GoogleEarthEngine  Landsat时间序列 

文摘内容 精确的土地覆盖信息是进行碳循环、气候变化监测、土壤退化等相关科学研究的基础。随着云计算技术的不断成熟,一些高效算法与平台被不断提出,用来充分挖掘遥感数据所包含的海量信息。基于Google Earth Engine(GEE)云平台,利用随机森林监督分类法对1990、2000、2010、2017年的山西省土地覆被进行了分类。参考Google Earth高清影像选择的1 580个样本点,对分类结果进行了验证;同时将分类结果与CNLUCC、GlobeLand30、FROM-GLC等现有土地覆被分类产品进行比较。验证和对比发现时间序列分类结果的总体精度达到86%～94%,比同期单时相分类总体精度提高了5%～10%;本文时间序列结果达到了CNLUCC、GlobeLand30、FROM-GLC等产品的分类精度。结果表明:①在快速准确土地覆被分类方面,时间序列影像与云平台结合,显示出时效性强、时间周期短、成本低等优势;②时间序列百分位数指标能有效地区分不同土地覆被类型的物候差别,在进行土地覆被分类方面显示出简单、易用、高效等特点。该方法对于深入研究大区域尺度的土地覆被变化过程具有重要的参考价值。