基于遥感云计算的鄱阳湖湿地植被群落分类研究

针对大型通江湖泊湿地植被精细分类中精度不高、算法稳健性不强的问题,以鄱阳湖湿地植被为研究对象,基于遥感云平台GEE和Sentinel-2影像,着重研究不同训练样本数量、不同时相特征数据及不同机器学习算法对鄱阳湖湿地植被类型分类的影响。结果表明:(1)随着训练样本数量的增加,植被类型的分类精度呈现先上升后平稳的规律,当不同植被类型训练样本达到550个时,精度达到峰值平稳状态;(2)不同时相特征的数据集分类精度具有显著差异,具体为:月度时序>枯水期>四季多时相>单时相,其中,月度时序数据集的总体精度最高,总体精度及Kappa系数分别为82%和0.79;(3)不同遥感算法获得的分类结果精度不同,RF分类精度最高,SVM和CART次之;(4)当不同植被类型的训练样本达到550个时,使用Sentinel-2月时序影像和RF算法能取得最优的分类结果。研究成果可为鄱阳湖湿地精细分类提供方法借鉴,为鄱阳湖湿地保护提供技术支持。