首页|基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

扫码查看
原文链接
  • 万方数据
  • 维普
[目的]探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别.[方法]以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响.[结果]多时相数据组合的分类精度明显高于各季节单时相数据.对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5％、95.0％和95.8％.[结论]基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小.
Identification of Dominant Tree Species Based on Multi-Temporal Sentinel-2 Images and SNIC Segmentation Algorithm

岳巍、李世明、李增元、刘清旺、庞勇、斯林

展开 >

中国林业科学研究院资源信息研究所 国家林业和草原局林业遥感与信息技术重点实验室 北京 100091

多时相 简单非迭代聚类超像素分割算法 树种识别 时间序列

中国林业科学研究院资源信息研究所结余资金项目国家重点研发计划

2019JYZJ052020YFE0200800

2022

10.11707/j.1001-7488.20220906

林业科学
中国林学会

林业科学

CSTPCDCSCD北大核心
影响因子：1.272
ISSN：1001-7488
年,卷(期)：2022.58(9)
  • 2
  • 8