基于GEE和Sentinel-2时序数据的呼伦贝尔沙地及其周边植被类型识别研究

作     者：杨仙保 张王菲 孙斌 高志海 李毅夫 王晗 Yang Xianbao;Zhang Wangfei;Sun Bin;Gao Zhihai;Li Yifu;Wang Han

作者机构：西南林业大学地理与生态旅游学院云南昆明650224 中国林业科学研究院资源信息研究所北京100091 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 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2022年第37卷第4期

页      面：982-992页

核心收录：

学科分类：07[理学] 08[工学] 0804[工学-仪器科学与技术] 0713[理学-生态学] 

基　　金：“中央级公益性科研院所基本科研业务费专项”(CAFYBB2019ZB004) “国家高分辨率对地观测系统重大专项”(21-Y20A06-9001-17/18)资助 

主　　题：GEE Sentinel-2 时序数据 呼伦贝尔沙地 植被类型识别 

摘      要：沙地及其周边植被对固定沙丘、防止水土流失和环境治理等方面具有重要作用,开展沙地及其周边植被类型识别研究对于客观地反映沙地及其周边的生态环境,进而为沙地恢复治理政策制定具有重要意义。GEE云平台丰富的长时间序列遥感数据和强大的云计算能力,为开展大区域植被类型识别提供了便捷。本研究基于GEE云平台存储的2019年Sentinel-2时序数据,采用RF算法开展呼伦贝尔沙地及其周边主要植被类型的空间判识研究,探索了GEE平台下顾及植被物候信息的植被类型识别效果。研究发现:(1)Sentinel-2影像的光谱信息和近红外波段的纹理信息对研究区的主要植被类型识别能力有限,而物候特征有效地弥补了原始光谱特征等对研究区不同植被类型区分能力的不足;(2)基于RF算法顾及物候特征的植被类型识别精度达到84.37%,Kappa系数为0.8,比单一时相数据的识别精度提高了10.01%;(3)呼伦贝尔沙地及其周边主要植被类型的物候特征差异明显,有助于不同类型植被的空间识别,特别是提高了灌草丛和草原的识别精度。研究表明利用Sentinel-2数据和GEE云平台对沙地等大区域植被类型的识别具有较大的潜力和广阔的应用前景。