GEE python——利用Landsat 8 卫星进行土地分类案例

Landsat 8 图像的分类示例

在联合国降低因森林砍伐和退化所产生的排放（REDD）计划中，估算全国范围内的森林面积主要基于使用遥感技术的土地覆盖信息。对于墨西哥这样一个幅员辽阔的国家来说，只有通过自动图像分类，才能以标准化和具有成本效益的方式及时提供信息。本文介绍了墨西哥的实用土地覆被监测系统。该系统利用国家尺度制图参考数据、所有可用的 Landsat 卫星图像和实地清查数据进行验证。该系统绘制了 1993 年至 2008 年的七幅年度全国土地覆被图。分类方案在两个层次上定义了 9 类和 12 类。总体准确率高达 76%。热带雨林和温带森林的分类准确率分别高达 78% 和 82%。虽然该方法是专门针对墨西哥的需求而设计的，但其一般流程也适用于 REDD+ 计划的其他参与国，以符合方法标准化和透明度的指导方针，并确保可比性。不过，根据年度土地覆被产品报告变化并不可取，建议将年度土地覆被和变化检测算法结合起来。

作者： René Kopeinig 勒内-科佩尼格
描述 基于 S.Gebhardt 等人 2014 年的科研成果 "MAD-MEX：使用所有 Landsat 数据对墨西哥 REDD-MRV 计划进行自动墙到墙土地覆盖监测 "的 Landsat 8 图像分类示例。请点击此处查看论文链接：