基于GEE和多维特征集的锡林浩特露天矿区近30 a土地利用分类

摘要

随着矿产资源的不断开采,矿区地表土地利用会发生频繁的变化,快速获取矿区开采过程中长时间序列连续的土地利用分类结果对于矿区土地治理与生态重建具有重要意义。基于Google Earth Engine(GEE)遥感云平台,对Sentinel-2和Landsat数据从光谱特征、纹理特征、地形特征3个方面构建多维特征集,采用随机森林算法分别建立了不同特征模型并测试精度以筛选出适合矿区场景的最优分类模型。以锡林浩特市露天矿区为研究区,开展了近30 a(1991—2020年)长时序土地利用分类研究。结果表明:①基于GEE遥感云平台,能够高效、快速、准确地提取研究区1991—2020年近30 a的土地利用分类结果;②光谱特征对分类精度具有决定性作用,融入纹理特征和地形特征能够有效提高矿区土地利用分类模型精度;③Sentinel-2数据特有的红边波段对植被具有较高的敏感性,能有效提高分类精度。长时间连续的监测结果能够有效了解锡林浩特市露天矿区土地利用的变化情况及规律,为进一步分析人类生产生活和环境变化对土地利用的影响提供了坚实的数据支撑。