典型文献
Sentinel-2密集时间序列数据和Google Earth Engine的潮间带湿地快速自动分类
文献摘要：
潮间带湿地是滨海湿地的重要组成部分,具有维持生物多样性、促进碳汇等重要生态功能.及时、准确地掌握潮间带湿地现状是实现潮间带湿地可持续管理目标的基础.先前的潮间带湿地分类研究依赖于训练样本、人工设定阈值或后处理等,本研究基于GEE (Google Earth Engine)平台开发一种自动、快速、高精度的潮间带湿地分类方法.该方法首先构建高质量密集时序Sentinel-2影像堆栈;然后,分析不同潮间带湿地的遥感特征,基于最大光谱指数合成算法(MSIC)和大津算法(Otsu)建立多层自动决策树分类模型.应用该方法对2020年福建漳江口红树林自然保护区的潮间带湿地进行分类,得到的总体精度为96.5％,Kappa系数为0.95.漳江口红树林保护区内潮间带湿地包括红树林、互花米草和滩涂3种类型,面积分别为82.46 hm2、218.26 hm2和496.84 hm2.本研究的方法能够实现潮间带湿地的自动、快速、高精度分类,对潮间带和其他内陆湿地的精准分类研究具有重要的借鉴价值.
文献关键词：
滩涂;湿地;Sentinel-2影像;最大光谱指数合成算法(MSIC);大津算法(Otsu);Google Earth Engine(GEE)
中图分类号：
作者姓名：
程丽娜;钟才荣;李晓燕;贾明明;王宗明;毛德华
作者机构：
吉林大学地球科学学院,长春130061;中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室,长春130102;海南省林业科学研究院(海南省红树林研究院),海口571100;国家地球系统科学数据中心,北京100101
文献出处：
引用格式：
[1]程丽娜;钟才荣;李晓燕;贾明明;王宗明;毛德华-.Sentinel-2密集时间序列数据和Google Earth Engine的潮间带湿地快速自动分类)[J].遥感学报,2022(02):348-357
A类：
密集时间序列,潮间带湿地,MSIC
B类：
Sentinel,时间序列数据,Google,Earth,Engine,快速自动,自动分类,滨海湿地,碳汇,生态功能,可持续管理,管理目标,先前,湿地分类,分类研究,训练样本,GEE,平台开发,分类方法,堆栈,大光,光谱指数,成算,大津,Otsu,自动决策,决策树分类,分类模型,漳江口,口红,红树林,自然保护区,总体精度,Kappa,内潮,互花米草,滩涂,hm2,内陆湿地,精准分类,借鉴价值
AB值：
0.300056
相似文献
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。
