基于Sentinel-2影像的小微水体亚像元丰度制图
编号:3500
访问权限:仅限参会人
更新:2024-04-13 20:48:16 浏览:798次
口头报告
摘要
小微水体(面积小于10公顷水体)在农业灌溉以及全球碳循环中发挥着关键作用。中等空间分辨率遥感影像极大推进了小微水体的监测水平,但其定量化研究受混合像元影响。采用Sentinel-2影像,提出基于机器学习回归的大尺度小微水体丰度制图方法:提出了基于模拟光谱库的小微水体丰度制图方法,考虑了不同小微水体端元的光谱变化,并通过水、植被、不透水面等少量端元模拟系列混合像元光谱,采用机器学习方法训练和预测小微型水体丰度;在无先验信息的情况下,提出了基于自训练的机器学习模型,借助GEE云平台实现大尺度、近实时、自动化的小微型水体丰度制图。相关研究结果降低了水体丰度误差的10%-30%,为小微水体定量化、自动化和高精度提取提供了参考。
关键词
小微水体,光谱分解,随机森林,Google Earth Engine(GEE),Sentinel-2影像
稿件作者
王雅澜
中国科学院精密测量科学与技术创新研究院
李晓冬
中国科学院精密测量科学与技术创新研究院
发表评论