结合GEE平台与机器学习算法的荒漠信息提取 |
| |
引用本文: | 芦瑞杰,刘树林,康文平,冯坤,郭紫晨,支莹.结合GEE平台与机器学习算法的荒漠信息提取[J].中国沙漠,2023(6):60-70. |
| |
作者姓名: | 芦瑞杰 刘树林 康文平 冯坤 郭紫晨 支莹 |
| |
作者单位: | 1. 中国科学院西北生态环境资源研究院沙漠与沙漠化重点实验室;2. 中国科学院大学 |
| |
摘 要: | 快速、准确获取不同荒漠类型的分布信息,对于环境保护和生态修复有着重要意义。然而,受光谱与分辨率等因素影响,目前关于不同荒漠类型信息提取研究存在明显不足。选择青海省都兰县作为典型区,基于谷歌地球引擎(Google Earth Engine,GEE)并结合多源数据对研究区荒漠进行了分类,对比评估了不同分类特征组合应用于3种机器学习方法(RF、SVM、CART)的分类性能。结果表明:(1) RF的性能要优于CART和SVM,使用RF分类器并以光谱特征、雷达特征、地形特征、纹理特征为分类依据的总体分类精度最高,整体准确度为95.68%,Kappa系数为0.95,FM得分为94.28%,获得的都兰县荒漠面积为29 039 km2。(2)在特征重要性得分评估中,海拔与VH对荒漠分类的贡献比较突出,其他特征则差异不大。(3)在使用光谱数据的基础上,雷达特征对识别砾质荒漠与壤土荒漠的贡献突出,而地形特征则更适用于识别其他类型的荒漠。
|
关 键 词: | 荒漠分类 机器学习 GEE平台 都兰县 |
|
|