基于GEE时间序列遥感影像分类方法研究
发布时间:2024-06-16 08:52
为探究不同时间序列密度影像对地物分类影响,笔者以敦化市为研究区,基于Google Earth Engine云平台,以Sentinel-1为数据源,建立10 d、15 d、20 d、30 d等不同时间间隔的时间序列数据集,对建立的时间序列数据集采用随机森林、分类回归树和最小距离3种分类方法进行分类实验,探究3种分类方法的识别能力。结果表明,与分类回归树和最小距离相比随机森林更能准确识别作物,时间序列密度的增加能提高分类精度。选取随机森林分类器对10 d时间间隔的时间序列数据集总体分类精度达到了98.04%。
【文章页数】:8 页
【部分图文】:
本文编号:3995179
【文章页数】:8 页
【部分图文】:
图1研究区位置图
本文以吉林省敦化市为研究区,地处长白山腹地,位于127°~129°E和42°~44°N之间。研究区是吉林省区域面积最大的县级市,总面积为11957km2。研究区地势构成为四周高、中部低,境内平均海拔高度为756m。研究区位于北半球中温带,大陆季风气候明显,春季多风干燥,夏季湿....
图2研究区影像图
从表1中可以看出,当将时间间隔设置较小时可能无法保障每个时间间隔内合成的影像均能对研究区进行全覆盖,实验不同时间间隔后发现至少将时间间隔设置为10d才能保证每个时间间隔内合成的影像均可对研究区完成全覆盖。本次研究中将时间间隔分别设置为10d、15d、20d、30d,探究....
图3采样点分布图
在2018年5月到10月对整个研究区进行了抽样调查,获取了丰富可靠的野外信息。在野外调查中选择远离居民点、道路的地区利用手持GPS进行采样调查,记录各类地物基本信息,记录的地物信息主要涵盖经纬度、作物类型、作物高度、株间距和垄间距、高程等作物采样点分布图(图3)。1.2.3全球....
图4分类流程图
本文分类方法如图4所示,利用GLCM产品对Sentinel-1进行掩膜得到研究区Sentinel-1耕地影像,对产生的Sentinel-1耕地影像合成不同密度(10d、15d、20d、30d)的时间序列影像集。由于作物物候期为5月至10月初,当时间间隔设置为10d的时候....
本文编号:3995179
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3995179.html
上一篇:农村土地承包经营权确权登记颁证的实践与探索
下一篇:没有了
下一篇:没有了