基于Sentinel-2数据的塞罕坝机械林场落叶松人工林提取

• 作者: 李斌 李崇贵 李煜
• 来源期刊: 林业资源管理
• 关键词: Sentinel-2 落叶松人工林 GEE云计算 森林分类 随机森林法
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 技术应用|Technical Application
• 页码范围: 117-123
• 页数: 7页
• 分类号: S791.22|S771.8
• 语种: 中文
• DOI: 10.13466/j.cnki.lyzygl.2021.02.016

摘要

塞罕坝机械林场是我国大型国有林场,落叶松是林场森林经营管理的主体,快速准确提取落叶松人工林分布对林场的经营和管理具有重要意义.基于传统单机模式下的遥感影像分类耗时长、效率低下,随着地理信息大数据、云计算时代的到来,Google Earth Engine(GEE)作为地理空间分析平台的先行者,为遥感影像分类带来新的机遇.基于GEE平台,使用Sentinel-2数据实现塞罕坝机械林场主要树种遥感影像分类.通过对塞罕坝机械林场2019年全年309景Sentinel-2影像数据预处理,计算比值植被指数、纹理特征、地形特征,并对各特征进行优选,构建多特征分类数据集.以此为基础,比较最小距离法、决策树和随机森林分类器下的分类精度.结果表明,GEE相较于单机影像分类模式具有显著的优势;最小距离、决策树和随机森林分类器下的分类精度分别为80％,83％和92％,随机森林分类器更适合复杂的遥感分类任务.