期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
GEE平台下考虑潮位变化及植被物候特征的盐城滨海湿地精细化遥感分类
1
作者
顾容
张东
+3 位作者
钱林峰
吕林
陈艳艳
于凌程
《海洋学报》
CAS
CSCD
北大核心
2024年第5期103-115,共13页
滨海湿地具有重要的经济价值与生态价值,快速准确地监测其现状对滨海湿地资源的保护和管理具有重要意义。由于潮汐动态变化、植被光谱相似性以及云覆盖等因素的影响,滨海湿地的遥感监测具有较大挑战。本文提出了一个综合考虑潮位变化及...
滨海湿地具有重要的经济价值与生态价值,快速准确地监测其现状对滨海湿地资源的保护和管理具有重要意义。由于潮汐动态变化、植被光谱相似性以及云覆盖等因素的影响,滨海湿地的遥感监测具有较大挑战。本文提出了一个综合考虑潮位变化及植被物候特征的滨海湿地遥感分类方法,基于GEE(Google Earth Engine)平台,首先引入Fmask(Function of mask)算法进行云检测与去云处理,然后利用S-G(Savitzky-Golay)滤波算法重构NDVI(Normalized Difference Vegetation Index)时间序列数据,提取植被物候特征参数,采用随机森林算法实现互花米草(Spartina alterniflora)、芦苇(Phragmites australis)、碱蓬(Suaeda salsa)与茅草(Imperata cylindrica)4种湿地植被类型的提取;最后利用最大光谱指数合成算法(Maximum Spectral Index Composite,MSIC)生成最高与最低潮位合成影像,结合大津算法(Otsu)提取光滩与海水,实现滨海湿地的精细化遥感分类。研究结果表明,生长季开始时间、生长季结束时间、生长季时长、基准值、振幅、小季节积分是区分滨海湿地植被的重要植被物候特征参数。利用本方法对盐城滨海湿地进行分类,湿地总体分类精度达96.50%,Kappa系数为0.957 1,湿地植被中互花米草的使用者精度最高,为96.59%;其次是芦苇与碱蓬;茅草最低,为93.55%。与面向对象分类相比,本方法不仅能够提取完整的光滩范围,而且将总体精度提高了10.25%,体现出植被物候特征在滨海湿地动态变化遥感监测中的应用潜力。
展开更多
关键词
GEE平台
潮位
植被物候特征
云检测
S-G滤波算法
最大光谱指数合成
下载PDF
职称材料
题名
GEE平台下考虑潮位变化及植被物候特征的盐城滨海湿地精细化遥感分类
1
作者
顾容
张东
钱林峰
吕林
陈艳艳
于凌程
机构
南京师范大学海洋科学与工程学院
江苏省地理信息资源开发与利用协同创新中心
江苏省海域使用动态监视监测中心
出处
《海洋学报》
CAS
CSCD
北大核心
2024年第5期103-115,共13页
基金
国家自然科学基金项目(41771447)
江苏省海洋科技创新项目(JSZRHYKJ202307)
事业单位研究项目(WSW5310DY2022LJ)。
文摘
滨海湿地具有重要的经济价值与生态价值,快速准确地监测其现状对滨海湿地资源的保护和管理具有重要意义。由于潮汐动态变化、植被光谱相似性以及云覆盖等因素的影响,滨海湿地的遥感监测具有较大挑战。本文提出了一个综合考虑潮位变化及植被物候特征的滨海湿地遥感分类方法,基于GEE(Google Earth Engine)平台,首先引入Fmask(Function of mask)算法进行云检测与去云处理,然后利用S-G(Savitzky-Golay)滤波算法重构NDVI(Normalized Difference Vegetation Index)时间序列数据,提取植被物候特征参数,采用随机森林算法实现互花米草(Spartina alterniflora)、芦苇(Phragmites australis)、碱蓬(Suaeda salsa)与茅草(Imperata cylindrica)4种湿地植被类型的提取;最后利用最大光谱指数合成算法(Maximum Spectral Index Composite,MSIC)生成最高与最低潮位合成影像,结合大津算法(Otsu)提取光滩与海水,实现滨海湿地的精细化遥感分类。研究结果表明,生长季开始时间、生长季结束时间、生长季时长、基准值、振幅、小季节积分是区分滨海湿地植被的重要植被物候特征参数。利用本方法对盐城滨海湿地进行分类,湿地总体分类精度达96.50%,Kappa系数为0.957 1,湿地植被中互花米草的使用者精度最高,为96.59%;其次是芦苇与碱蓬;茅草最低,为93.55%。与面向对象分类相比,本方法不仅能够提取完整的光滩范围,而且将总体精度提高了10.25%,体现出植被物候特征在滨海湿地动态变化遥感监测中的应用潜力。
关键词
GEE平台
潮位
植被物候特征
云检测
S-G滤波算法
最大光谱指数合成
Keywords
Google Earth Engine
tide-level
vegetation phenological characteristics
cloud testing
Savitzky-Golay filtering algorithm
Maximum Spectral Index Composite
分类号
X835 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
GEE平台下考虑潮位变化及植被物候特征的盐城滨海湿地精细化遥感分类
顾容
张东
钱林峰
吕林
陈艳艳
于凌程
《海洋学报》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部