首页|耦合时序特征的林分类型遥感识别

耦合时序特征的林分类型遥感识别

扫码查看
原文链接
  • 万方数据
  • 维普
[目的]结合多源遥感数据进行特征提取，获取最优分类策略并探究时间序列特征在林分类型识别中的重要性，为遥感林分类型识别提供技术途径。[方法]结合Sentinel-2光谱特征和时间序列特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特征在Google Earth Engine中进行各特征变量的提取，构建不同特征组合使用随机森林分类器进行分类并对不同分类结果进行制图输出和精度评价。[结果](1)使用Sentinel-2时间序列光谱特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特征的方案分类效果最好，总体精度为84。62％，Kappa系数为0。82;(2)在构建的5个不同特征组合方案中，多特征组合的方案分类效果优于单一特征;(3)地形特征、后向散射特征和时间序列特征对于分类结果非常重要，尤其是时间序列特征的加入能大大提升林分类型识别精度。光谱特征中短红外波段B11和B12最重要，时间序列特征中4月份和10月份为最重要的时间节点。[结论]基于多源遥感数据提取的多特征分类方案能够有效进行研究区林分类型识别，地形特征、后向散射特征和Sentinel-2时间序列特征可以作为光谱特征的有效辅助特征变量提高分类精度，使林分类型识别更为准确，尤其是时间序列特征在提高林分类型识别精度上有突出作用。
Remote sensing classification of stand type coupled with time series features

Sentinel-2Sentinel-1random forestGoogle Earth Engine (GEE)time series feature

高雨珊、彭道黎、张楠、杨鹏辉、杨灿灿、陈铭捷、陈健

展开 >

北京林业大学森林资源和环境管理国家林草局重点实验室,北京 100083

滁州学院地理信息与旅游学院,安徽滁州 239000

国家林业和草原局调查规划设计院,北京 100714

Sentinel-2 Sentinel-1 随机森林 Google Earth Engine (GEE) 时间序列特征

"十三五"国家重点研发计划安徽省高等学校科学研究重大项目

2016YFD06002052023AH040217

2024

10.12171/j.1000?1522.20230093

北京林业大学学报
北京林业大学

北京林业大学学报

CSTPCD北大核心
影响因子：1.237
ISSN：1000-1522
年,卷(期)：2024.46(1)
  • 6