Fusion of Landsat 8 and Sentinel-2 data for mangrove phenology information extraction and classification

نویسندگان

چکیده

ç§‘å­¦å‡†ç¡®åœ°ç›‘æµ‹çº¢æ ‘æž—æ˜¯ä¿æŠ¤æµ·é™†è¿‡æ¸¡æ€§ç”Ÿæ€ç³»ç»Ÿçš„åŸºç¡€å’Œå‰æï¼Œä½†çº¢æ ‘æž—åˆ†å¸ƒäºŽæ½®é—´å¸¦ï¼Œéš¾ä»¥è¿›è¡Œå¤§è§„æ¨¡äººå·¥ç›‘æµ‹ã€‚é¥æ„ŸæŠ€æœ¯èƒ½å¤Ÿå¯¹çº¢æ ‘æž—è¿›è¡Œé•¿æ—¶é—´ã€å¤§é¢ç§¯ç›‘æµ‹ï¼Œä½†å·²æœ‰ç ”ç©¶å°šå­˜ä¸è¶³ã€‚ä¸€æ–¹é¢ï¼Œçº¢æ ‘æž—åˆ†å¸ƒäºŽçƒ­å¸¦ã€äºšçƒ­å¸¦åŒºåŸŸï¼Œå—åˆ°å¤©æ°”æ¡ä»¶é™åˆ¶éš¾ä»¥èŽ·å¾—é•¿æ—¶é—´è¦†ç›–çš„æœ‰æ•ˆå ‰å­¦é¥æ„Ÿæ•°æ®ï¼›å¦ä¸€æ–¹é¢ï¼Œçº¢æ ‘æž—æžæ˜“ä¸Žå ¶ä»–é™†ç”Ÿæ¤è¢«æ··æ·†ï¼Œä» åˆ©ç”¨å¤šæ³¢æ®µæ•°æ®çš„å ‰è°±ä¿¡æ¯éš¾ä»¥ç²¾ç¡®è¯†åˆ«ã€‚æœ¬æ–‡ä»¥æ’æ²³ä¸‰è§’æ´²å­™å¾·å°”æœ¬æ–¯åœ°åŒºä¸ºä¾‹ï¼ŒåŸºäºŽè°·æ­Œåœ°çƒå¼•æ“ŽGEE(Google Earth Engine)获取2016å¹´å ¨å¹´çš„Landsat 8 OLI和Sentinel-2 MSIæ•°æ®ï¼Œåˆ©ç”¨ç‰©å€™ä¿¡æ¯è¿›è¡Œçº¢æ ‘æž—æå–ç ”ç©¶ã€‚é¦–å ˆï¼ŒåŸºäºŽæœ€å°äºŒä¹˜å›žå½’æž„å»ºä¸¤ä¸ªä¼ æ„Ÿå™¨åœ¨ç›¸åŒæŒ‡æ•°ä¹‹é—´çš„å ³ç³»ï¼Œé‡å»ºæ—¶é—´åºåˆ—æ•°æ®ï¼Œä¹‹åŽæ ¹æ®å¯åˆ†æ€§åˆ¤æ®é€‰å–å¢žå¼ºåž‹æ¤è¢«æŒ‡æ•°EVI(Enhanced Vegetation Index)和陆地表面水分指数LSWI(Land Surface Water Indexï¼‰ã€‚å ¶æ¬¡ï¼Œå¯¹ä¸¤ä¸ªæŒ‡æ•°çš„æ—¶é—´åºåˆ—æ•°æ®è¿›è¡ŒSavitzky-Golay滤波处理,并分别提取生长期始期等13种物候信息。最后,将两个指数的物候信息进行特征级联,采用随机森林RF(Random Forestï¼‰æ–¹æ³•è¿›è¡Œåˆ†ç±»ï¼Œæå–ç ”ç©¶åŒºçº¢æ ‘æž—èŒƒå›´ã€‚å®žéªŒç»“æžœè¡¨æ˜Žï¼šLandsat MSIæ•°æ®èžåˆå¯æœ‰æ•ˆæå‡æ—¶é—´åºåˆ—è´¨é‡ï¼Œä¸ŽåŸºäºŽå•ä¸€ä¼ æ„Ÿå™¨æ•°æ®çš„åˆ†ç±»ç»“æžœç›¸æ¯”ï¼Œæ€»ä½“ç²¾åº¦æé«˜1.58%ï¼›ç‰©å€™ä¿¡æ¯å¯ä»¥æ˜¾è‘—å¢žå¼ºçº¢æ ‘æž—ä¸Žå ¶ä»–æ¤è¢«çš„å¯åˆ†æ€§ï¼Œä¸Žç›´æŽ¥ä½¿ç”¨æ—¶é—´åºåˆ—æ•°æ®çš„åˆ†ç±»ç»“æžœç›¸æ¯”ï¼Œæ€»ä½“ç²¾åº¦æé«˜1.92%;同时考虑EVI和LSWI指数可极大地提升分类效果,与采用单一指数相比,总体精度分别提高14.11%和9.69%ã€‚å› æ­¤ï¼Œæœ¬æ–‡é€šè¿‡æ•°æ®èžåˆã€ç‰©å€™ä¿¡æ¯æå–å’ŒæŒ‡æ•°ç‰¹å¾çº§è”å¯ä»¥æ›´å¥½åœ°æå–çº¢æ ‘æž—ï¼Œæ€»ä½“ç²¾åº¦è¾¾åˆ°91.02%,Kappa系数为0.892ã€‚ç ”ç©¶éªŒè¯äº†ç‰©å€™ä¿¡æ¯åœ¨çº¢æ ‘æž—é¥æ„Ÿç›‘æµ‹ä¸­çš„åº”ç”¨æ½œåŠ›ï¼Œæå‡ºçš„æ–¹æ³•å¯¹ç§‘å­¦å‡†ç¡®åœ°ç›‘æµ‹å ¨çƒæˆ–åŒºåŸŸçº¢æ ‘æž—å ·æœ‰ä¸€å®šå‚è€ƒä»·å€¼ã€‚

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

the innovation of a statistical model to estimate dependable rainfall (dr) and develop it for determination and classification of drought and wet years of iran

آب حاصل از بارش منبع تأمین نیازهای بی شمار جانداران به ویژه انسان است و هرگونه کاهش در کم و کیف آن مستقیماً حیات موجودات زنده را تحت تأثیر منفی قرار می دهد. نوسان سال به سال بارش از ویژگی های اساسی و بسیار مهم بارش های سالانه ایران محسوب می شود که آثار زیان بار آن در تمام عرصه های اقتصادی، اجتماعی و حتی سیاسی- امنیتی به نحوی منعکس می شود. چون میزان آب ناشی از بارش یکی از مولفه های اصلی برنامه ...

15 صفحه اول

Comparing the Capability of Sentinel 2 and Landsat 8 Satellite Imagery in Land Use and Land Cover Mapping Using Pixel-based and Object-based Classification Methods

Introduction: Having accurate and up-to-date information on the status of land use and land cover change is a key point to protecting natural resources, sustainable agriculture management and urban development. Preparing the land cover and land use maps with traditional methods is usually time and cost consuming. Nowadays satellite imagery provides the possibility to prepare these maps in less ...

متن کامل

the clustering and classification data mining techniques in insurance fraud detection:the case of iranian car insurance

با توجه به گسترش روز افزون تقلب در حوزه بیمه به خصوص در بخش بیمه اتومبیل و تبعات منفی آن برای شرکت های بیمه، به کارگیری روش های مناسب و کارآمد به منظور شناسایی و کشف تقلب در این حوزه امری ضروری است. درک الگوی موجود در داده های مربوط به مطالبات گزارش شده گذشته می تواند در کشف واقعی یا غیرواقعی بودن ادعای خسارت، مفید باشد. یکی از متداول ترین و پرکاربردترین راه های کشف الگوی داده ها استفاده از ر...

data mining rules and classification methods in insurance: the case of collision insurance

assigning premium to the insurance contract in iran mostly has based on some old rules have been authorized by government, in such a situation predicting premium by analyzing database and it’s characteristics will be definitely such a big mistake. therefore the most beneficial information one can gathered from these data is the amount of loss happens during one contract to predicting insurance ...

15 صفحه اول

Data Fusion for Classification and Object Extraction

This paper describes the fusion of information extracted from multispectral digital aerial images for land use classification. The proposed approach integrates spectral classification techniques and spatial information. The multispectral digital aerial images consist of a high resolution panchromatic channel as well as lower resolution RGB and NIR channels and form the basis for information ext...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: Journal of remote sensing

سال: 2022

ISSN: ['1007-4619', '2095-9494']

DOI: https://doi.org/10.11834/jrs.20221448