基于GEE的滨海湿地互花米草信息提取方法研究

摘要

互花米草是我国海岸盐沼中最重要的入侵植物,探究遥感识别机理与量化入侵状态对于科学管控互花米草入侵及维护滨海湿地可持续发展具有重要意义。本文以盐城湿地珍禽国家级自然保护区为研究区,基于Google Earth Engine(GEE)云平台,以2021年Sentinel系列卫星遥感影像和ALOS地形数据为数据源,采用基于像元的随机森林(RF)算法和基于对象的简单非迭代聚类(SNIC)+RF算法识别入侵物种互花米草,对比两种分类精度选取最优算法进行互花米草分布提取。结果表明,多模态特征集合中雷达特征、光谱特征、植被指数以及红边指数在互花米草信息提取中具有重要作用;基于RF和SNIC+RF分类方法获得的互花米草精度均高于90%,SNIC+RF算法提取的互花米草群落信息完整性更好,分类精度更高,用户精度和生产者精度分别达到了92.86%,98.11%,并且算法能够在GEE环境下快速执行,适合推广应用于滨海湿地互花米草群落信息提取实践中。