超级会员免费看
本教程介绍了如何在Google Earth Engine (GEE)中利用Sentinel-2数据，通过CART和RF算法进行农田（玉米与非玉米）的二元分类。尽管受限于特定区域的地面实况数据，但该工作流程为研究人员提供了一个可快速实施的分类方法，以了解农作物覆盖情况。结果表明RF分类器在验证阶段的准确性优于CART。
背景
复杂景观中的土地覆盖分类受到作物/植被类型固有的短距离过渡的限制，特别是在小农耕作系统中。地球观测图像的可用性和可访问性的增加为评估状态和监测土地覆盖变化提供了重要机会，但解锁这种能力取决于相关地面实况数据的可用性，以校准和验证分类算法。在撒哈拉以南非洲的农业系统中，通常无法获得急需的空间明确的地面实况数据，这限制了相关分析工具的开发，以监测农田动态或生成对农业系统的[近]实时洞察。本教程是为有兴趣使用地面实况数据和可用的 Sentinel-2 TOA 光谱带在 Google Earth Engine 环境中实施土地覆盖分类程序的用户提供的快速指南。目标是提供一个易于实施的工作流程，研究人员和分析师可以对其进行调整，以快速对农田进行分类。随着在国家和区域级别收集空间丰富的地理参考数据方面投入更多的精力，本教程可用于立即/及时地了解玉米和其他作物类型。
订阅专栏 解锁全文
1756
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
