基于GEE平台与Sentinel数据的土地覆被分类研究

摘要：

遥感技术的大面积、实时、多时相对地观测优势,为遥感监督分类提供便利,准确的土地覆被信息是土地资源管理和监测的基础,应及时研发一种简单、快速和高精度的分类方法.该文选取吉林西部的白城市为研究案例,基于随机森林分类方法,以Sentinel-2高分辨率卫星影像作为数据源,在GEE云计算平台,进行样本点选取,并将样本点数据集与多波段合成影像添加到随机森林分类器中,将影像分为耕地、水体、盐碱地、城镇和湿地5类.分类混淆矩阵的分类误差均小于0.15,其中盐碱地分类精度最高,耕地分类精度最低.总体分类精度为94.20％,Kappa系数为0.9269.该分类方法简单高效、适用于中小型地区高精度快速分类.

关键词：Sentinel-2、土地利用分类、随机森林、GEE、土地覆被

所属期刊栏目：13

分类号：TP751(遥感技术)

资助基金：吉林省大学生创新创业训练计划项目S202110191144

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：39-42