GEE平台和CART方法的北京市土地解译

摘要：

针对传统遥感影像解译效率较低、人力物力需求量大等问题,该文以谷歌地球引擎为依托平台,利用Land-sat5 TM影像,采用分类回归树算法对2010年北京市土地覆被/土地利用类型开展了解译研究,并从类型构成、类型混淆和空间一致性3个方面将解译所得LUC-2010产品与Globeland30-2010产品进行空间一致性分析.研究表明,谷歌地球引擎(GEE)平台通过编程运算,数据处理速度极快,大幅提高工作效率.解译产品与训练样本交叉验证的学习精度为94.2％.两套产品总体对比发现,林地、水体和耕地的空间一致性比率分别为84.28％、74.75％和73.56％;林地、水体和人工地表的地类纯净度分别为87.23％、77.04％和72.97％;总体分布空间一致性为74.0％.两套产品局部对比发现,LUC-2010产品分类结果更准确和精细,精度更高.

关键词：谷歌地球引擎、分类回归树、遥感土地解译、土地利用与土地覆被

所属期刊栏目：43

分类号：P231.21(摄影测量学与测绘遥感)

资助基金：国家重点研发项目2016YFB0501502,2016YFC0503701;高分专项00-Y30B14-9001-14/16

在线出版日期：2018-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：87-93