10.16213/j.cnki.scjas.2022.10.017
基于Google Earth Engine多源数据的耕地提取研究
[目的]为了更好地进行耕地监测和保护,实现对耕地高效、准确的识别,针对目前利用光学数据进行耕地提取以及单机遥感图像处理的不足,基于Google Earth Engine(GEE)平台,引入雷达数据结合光学数据用于耕地提取.[方法]利用GEE平台获取研究区的sentinel-1和sentinel-2影像进行预处理,提取sentienel-1的VV、VH通道信息和sentinel-2的NDVI、NDWI、NDBI,同时使用灰度共生矩阵(GLCM)提取研究区的纹理信息,然后使用最小距离、支持向量机及随机森林3种机器学习算法对研究区进行耕地识别提取,最后通过开运算的形态学处理对耕地提取的结果进行图像后处理.[结果]以广东省广州市为例,与仅用光学数据相比,雷达数据的引入提高了耕地提取的精度,基于最小距离、支持向量机及随机森林3种算法的耕地提取总体精度分别提高0.05、0.09和0.10,其中随机森林算法提取效果最佳,总体精度达到0.85.形态学处理去除了耕地提取中提取错误的细小图斑,进一步提高了耕地提取的精度,总体精度达到0.91,Kappa为0.83.[结论]本研究基于GEE平台,引入了雷达数据并对耕地提取结果进行形态学处理,显著提高了提取精度,为大范围耕地提取提供了有效手段.
多源数据、GoogleEarthEngine、形态学处理、耕地提取、广州市
35
S158(土壤学)
国家重点研发计划;广东省农业科研项目;农业技术推广项目
2023-01-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
2372-2378