典型文献
基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别
文献摘要：
[目的]探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别.[方法]以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响.[结果]多时相数据组合的分类精度明显高于各季节单时相数据.对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5％、95.0％和95.8％.[结论]基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小.
文献关键词：
多时相;简单非迭代聚类超像素分割算法;树种识别;时间序列
中图分类号：
作者姓名：
岳巍;李世明;李增元;刘清旺;庞勇;斯林
作者机构：
中国林业科学研究院资源信息研究所 国家林业和草原局林业遥感与信息技术重点实验室 北京 100091
文献出处：
引用格式：
[1]岳巍;李世明;李增元;刘清旺;庞勇;斯林-.基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别)[J].林业科学,2022(09):60-69
A类：
简单非迭代聚类超像素分割算法
B类：
Sentinel,SNIC,优势树种,树种识别,合到,多时相数据,树种分类,分类问题,不同时相,旺业甸林场,Google,Earth,Engine,GEE,云计算平台,多光谱数据,数据提取,波段,反射率,光谱指数,识别精度,分类精度,各季,节时,组合数,数据结果,总体精度,面向对象分类方法,准确识别,时间序列数据
AB值：
0.254599
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。
