基于GEE云平台和多源数据的土地覆盖智能分类算法对比研究

摘要

根据伊斯兰堡土地覆盖类型分布特点和GEE云平台提供的多源遥感数据信息,筛选地表反射率、植被指数、水体指数、夜光数据、数字高程数据5种空间数据集作为土地覆盖分类的基础和辅助数据,分别运用朴素贝叶斯、随机森林、最小距离和支持向量机4种遥感数据智能分类方法,实现伊斯兰堡土地覆盖类型信息的自动提取和精度对比。结果表明:1)4种智能分类方法采用综合集成的多源数据进行分类的精度均高于仅用单一遥感数据参与分类的精度,且在使用相同数据源和训练样本的情况下,支持向量机算法的分类精度高于其他3种方法。从伊斯兰堡全区域土地覆盖分类精度看,最小距离方法的总体精度最低(77.9%),支持向量机方法的总体精度最高(89.6%)。2)充分利用GEE云平台集成的多源海量数据资源和丰富的模型内嵌接口,可有效解决传统方法(非GEE云平台)中存在的多源数据处理调用耗时耗力问题,实现土地覆盖类型精确、快速提取。该研究可为开展“一带一路”沿线国家和区域长时序土地覆盖数据产品智能快速提取的最优模型筛选与定制提供方法和技术支撑。