遥感技术与应用2023，Vol.38Issue(2) ：432-442.DOI:10.11873/j.issn.1004-0323.2023.2.0432

基于GEE云平台和Sentinel-2数据的普洱市森林覆盖制图

Remote Sensing based Land Cover Classification of Pu'er City Using GEE Cloud Platform and Sentinel-2 Data

闫明 庞勇 何云玲 蒙诗栎 魏巍
遥感技术与应用2023，Vol.38Issue(2) ：432-442.DOI:10.11873/j.issn.1004-0323.2023.2.0432
✕
  • 万方数据

基于GEE云平台和Sentinel-2数据的普洱市森林覆盖制图

Remote Sensing based Land Cover Classification of Pu'er City Using GEE Cloud Platform and Sentinel-2 Data

闫明 1庞勇 2何云玲 3蒙诗栎 2魏巍4
扫码查看

作者信息

  • 1. 云南大学国际河流与生态安全研究院,云南 昆明 650500
  • 2. 中国林业科学研究院资源信息研究所,北京 100091
  • 3. 云南大学地球科学学院,云南 昆明 650500
  • 4. 云南省林业和草原科学院,云南 昆明 650204
  • 折叠

摘要

快速准确获取森林的空间分布对评估森林资源和生态环境状况具有重要的意义.以云南省普洱市为研究区,基于Google Earth Engine(GEE)平台和Sentinel-2影像数据,结合实地调查数据、机载遥感数据及地形辅助数据,提取影像的光谱特征、纹理特征以及地形特征,通过特征筛选,得到适合森林分类的最优特征数据集.结合简单线性非迭代聚类(Simple Non-Iterative Clustering,SNIC)超像素分割算法,探究不同分类方法、特征变量等因素对分类精度的影响.结果表明:面向对象分类方法的分类精度要优于基于像元分类方法,分类总体精度为88.21％,Kappa系数为0.87,可以较为准确地对普洱市进行森林覆盖制图.面向对象方法可以有效减轻"椒盐现象",特征优选避免了冗余信息对分类结果的影响,有效提高了分类效率.GEE平台与面向对象方法结合可以提供大区域、高精度的森林覆盖遥感快速制图.

关键词

森林覆盖/面向对象分类/影像分割/特征优选

Key words

Forest cover/Object-oriented classification/Image segmentation/Feature selection

引用本文复制引用

基金项目

国防科工局高分专项(21-Y30A02-9001-20/22-6)

亚太森林恢复与可持续管理网络项目(2018P1-CAF)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
浏览量1
被引量1
参考文献量11
段落导航相关论文