基于特征优选和时空融合算法的黄河三角洲湿地类别制图方法研究

作     者：冯倩 张佳华 邓帆 吴贞江 赵恩灵 郑培鑫 韩杨 FENG Qian;ZHANG Jiahua;DENG Fan;WU Zhenjiang;ZHAO Enling;ZHENG Peixin;HAN Yang

作者机构：长江大学地球科学学院武汉430100 中国科学院空天信息创新研究院中国科学院数字地球重点实验室北京100094 中国科学院大学地球与行星科学学院北京100049 

出 版 物：《自然资源遥感》 (Remote Sensing for Natural Resources)

年 卷 期：2024年第36卷第2期

页      面：39-49页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：山东省自然科学基金项目“遥感信息与模型系统模拟黄河三角洲滨海湿地动态及未来情景预测”(编号:ZR2020QF067)资助 

主　　题：Landsat8 多时相数据 黄河三角洲湿地 图像融合 Google Earth Engine 随机森林 

摘      要：滨海湿地的遥感分类研究对于滨海湿地的保护和规划具有重要意义。为此,以黄河三角洲作为研究区,采用2019年3—10月获取的8景Landsat8 OIL作为数据源,使用GEE(Google Earth Engine)云平台,根据影像的不同特征构建了7种不同的分类方案;然后,使用随机森林分类器对不同特征集合进行分类,并选择其中分类效果最好的用于绘制黄河三角洲地区的湿地类别图。其中8,9月份数据由于受到云的污染导致质量差,使用增强型自适应反射率时空融合模型(enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)算法对有云区域进行填补处理。结果表明:①ESTARFM时空融合模型生成的预测影像与真实影像波段表现出较好的相关性,其R值均能达到0.73以上,说明重构的影像可以用于本研究;②使用随机森林算法对研究区地物类型进行分类,其中方案7通过特征优选,分类结果总体精度达92.28%,Kappa系数达0.91,分类结果与湿地实况相吻合,比常规方案分类精度更高。研究结果有助于了解和掌握该区域湿地不同类型的空间分布特征,可为区域生态环境的保护和规划提供科学依据。