首页|基于GEE与Sentinel-2影像的落叶针叶林提取

基于GEE与Sentinel-2影像的落叶针叶林提取

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]针对森林资源精细监测评价的需求,探索多时相、多特征的Sentinel-2 影像在落叶针叶林识别中的应用潜力,根据落叶针叶林的物候特征构建分类模型,为大范围落叶针叶林识别提供方法参考.[方法]基于GEE平台,以黑龙江省孟家岗林场为研究区,分析不同季节落叶针叶林与其他森林之间的差异.研究使用 2020 年春季(5 月 7 日和 5月27日)、夏季(8月 9日)和秋季(10月 19日)的 4 景Sentinel-2 影像,提取光谱特征、纹理特征和地形特征构建多特征数据集,根据特征重要性得分进行特征优选,最后使用随机森林分类器得到落叶针叶林识别的最佳模型,实现孟家岗林场落叶针叶林的精确提取.[结果]试验结果表明落叶针叶林具有明显的植被光谱特征和季相特性,多时相影像数据包含落叶针叶林更多物候期,春季和秋季的影像更有利于区分落叶针叶林与其他森林.此外,近红外、短波红外波段的光谱信息对识别落叶针叶林有较大帮助.利用GEE平台和多时相Sentinel-2 影像可以高效快速地提取植被信息,落叶针叶林提取总体精度与Kappa系数分别达到 91.20%,0.82.[结论]基于GEE平台和Sentinel-2 影像构建的分类模型对落叶针叶林信息的快速提取有一定的可行性和适用性,研究结果对大面积落叶针叶林的空间位置分布提取具有一定的参考价值.
Extraction of deciduous coniferous forest based on Google earth engine(GEE)and Sentinel-2 image

deciduous coniferous forestSentinel-2 imagephenological characteristicsrandom forestGoogle earth engine(GEE)platform

王春玲、樊怡琳、庞勇、荚文

展开 >

北京林业大学信息学院,北京100083

国家林业草原林业智能信息处理工程技术研究中心,北京100083

中国林业科学研究院资源信息研究所,北京100091

落叶针叶林 Sentinel-2 影像 物候特征 随机森林 GEE平台

国家重点研发计划(十三五)

2017YFD0600404

2023

10.12171/j.1000-1522.20220422

北京林业大学学报
北京林业大学

北京林业大学学报

CSTPCDCSCD北大核心
影响因子：1.237
ISSN：1000-1522
年,卷(期)：2023.45(8)
  • 1
  • 9