湿地是地球上最重要的生态系统之一,在维持全球生态环境安全等方面发挥着举足轻重的作用.由于湿地独特的水文特征,传统的湿地监测需要耗费大量的人力和财力,对于大尺度的湿地信息提取更是困难重重.随着大数据和云计算的兴起,为大尺度和长时间序列的空间数据处理提供了契机.本文基于Google Earth Engine(GEE)云平台,使用Sentinel-1合成孔径雷达(SAR)数据、Sentinel-2光学数据以及地形数据,探讨了红边、雷达以及地形特征对大范围区域沼泽湿地提取的重要性,验证了利用JM距离寻找沼泽湿地提取最优特征组合的可行性,结合随机森林算法对2018年黑龙江流域沼泽湿地进行提取.研究表明:(1) Sentinel-2红边波段和Sentinel-l雷达波段以及地形数据有利于沼泽湿地信息提取,相比植被指数和水体指数沼泽的制图精度分别提高了7.56％,5.04％,4.48％;(2)利用JM距离得到的分离度表明,红边特征＞其他光学特征＞地形特征＞雷达特征.进行特征优选后沼泽湿地的制图和用户精度分别提高了1.45％和3.02％,最终结合随机森林算法的总体精度为91.54％,沼泽的提取精度为88.55％.本研究利用GEE云平台和多源遥感数据以及机器学习算法,能够准确、快速、高效地提取大尺度范围沼泽湿地信息,具有较大的应用潜力.

遥感;Google Earth Engine;沼泽湿地;Sentinel-1;Sentinel-2;JM距离;随机森林;红边波段

宁晓刚;常文涛;王浩;张翰超;朱乾德

中国测绘科学研究院摄影测量与遥感研究所,北京100036;山东科技大学测绘科学与工程学院,青岛266590;南京水利科学研究院水文水资源与水利科学国家重点实验室,南京210029

遥感学报

[1]宁晓刚;常文涛;王浩;张翰超;朱乾德-.联合GEE与多源遥感数据的黑龙江流域沼泽湿地信息提取)[J].遥感学报,2022(02):386-396

GEE,多源遥感数据,黑龙江流域,沼泽湿地,信息提取,全球生态环境,生态环境安全,水文特征,湿地监测,耗费,财力,大尺度,困难重重,长时间序列,空间数据处理,Google,Earth,Engine,Sentinel,合成孔径雷达,SAR,地形数据,地形特征,湿地提取,JM,优特,特征组合,随机森林算法,红边波段,雷达波,植被指数,水体指数,制图精度,分离度,光学特征,雷达特征,特征优选,总体精度,研究利用,机器学习算法

0.28606