典型文献
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
文献摘要：
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.
文献关键词：
Google Earth Engine;土地覆盖数据;黄河流域
中图分类号：
作者姓名：
方梦阳;刘晓煌;孔凡全;李明哲;裴小龙
作者机构：
中国地质调查局海口海洋地质调查中心,海口 570000;中国地质调查局自然资源综合调查指挥中心,北京 100096;中国地质调查局廊坊自然资源综合调查中心,廊坊 065000
文献出处：
引用格式：
[1]方梦阳;刘晓煌;孔凡全;李明哲;裴小龙-.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)[J].自然资源遥感,2022(01):135-141
A类：
B类：
GEE,台制,土地覆盖数据,黄河流域高质量发展,高频次,几何中心,样本点,监督分类,Google,Earth,Engine,Landsat,拼接,随机森林分类,分类方法,云影,后选择,数据对比,比国,点选,样本精度,精度要求,总体精度,Kappa,分类精度,MCD12Q1,ESA,CCI,大尺度
AB值：
0.248285
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
