Sentinel-2密集时间序列数据和Google Earth Engine的潮间带湿地快速自动分类

摘要

潮间带湿地是滨海湿地的重要组成部分,具有维持生物多样性、促进碳汇等重要生态功能。及时、准确地掌握潮间带湿地现状是实现潮间带湿地可持续管理目标的基础。先前的潮间带湿地分类研究依赖于训练样本、人工设定阈值或后处理等,本研究基于GEE(Google Earth Engine)平台开发一种自动、快速、高精度的潮间带湿地分类方法。该方法首先构建高质量密集时序Sentinel-2影像堆栈;然后,分析不同潮间带湿地的遥感特征,基于最大光谱指数合成算法(MSIC)和大津算法(Otsu)建立多层自动决策树分类模型。应用该方法对2020年福建漳江口红树林自然保护区的潮间带湿地进行分类,得到的总体精度为96.5%,Kappa系数为0.95。漳江口红树林保护区内潮间带湿地包括红树林、互花米草和滩涂3种类型,面积分别为82.46 hm^(2)、218.26 hm^(2)和496.84 hm^(2)。本研究的方法能够实现潮间带湿地的自动、快速、高精度分类,对潮间带和其他内陆湿地的精准分类研究具有重要的借鉴价值。