一种基于GEE平台制作逐年土地覆盖数据的方法——以黄河流域为例
Remote Sensing for Natural Resources（2022）
Abstract
研究黄河流域多年土地覆盖情况对科学推动黄河流域高质量发展有着重要的意义,而高频次高精度土地覆盖数据对于土地覆盖监测等至关重要.该文以多年稳定不变区域的几何中心作为样本点,快速选取了一套可用于逐年影像监督分类的样本点;而后通过Google Earth Engine(GEE)对黄河流域2000—2020年间年均近千景Landsat影像进行无云筛选和逐年拼接操作,得到黄河流域逐年无云拼接影像;再通过随机森林分类方法对无云影像进行监督分类,制作了黄河流域20 a逐年土地覆盖数据;最后选择了2010年土地覆盖数据对比国内外知名逐年土地覆盖数据.结果表明:①样本点选取方法合理可靠,样本点选取精度高于94.7％,满足监督分类样本精度要求;②基于GEE平台制作的逐年土地覆盖数据总体精度为0.82±0.03,平均Kappa系数为0.82,分类精度、整体及局部分类结果均优于MCD12Q1数据集和ESA-CCI数据集;③基于GEE平台制作逐年土地覆盖数据的方法一定程度上解决了大尺度土地覆盖数据频次与精度无法兼顾的问题.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined