基于Sentinel-2A的太行山区土地覆被分类方法研究

以太行山区为研究对象,基于Sentinel-2A遥感影像数据,采用基于像元和面向对象分类两种策略,定量分析不同特征组合模式下,最大似然法(ML)、贝叶斯(Bayes)、支持向量机(SVM)、决策树(Decision Tree)以及随机森林(RF) 5种分类方法在该区域地表土地覆被信息分类中的表现差异。结果表明:(1)基于像元的RF分类器取得了最高精度,仅使用光谱特征参与分类和使用光谱、红边、指数特征参与分类的总体精度分别为96. 85%和96. 64%。(2)红边和指数特征的加入能够对各分类器分类精度产生不同程度的影响,即使基于像元的RF和面向对象的CART决策树总体精度有所下降,但降幅均在0. 5%左右,其他分类器精度均有所提升。     

基于GEE云平台的黄河源区河流径流量遥感反演研究

河流径流量是陆地上最重要的水文要素之一,准确获取径流信息对于区域的水资源评价和生态修复方面都具有重要作用.研究基于Google Earth Engine(GEE)云平台提供的Sentinel-1、Sentinel-2影像数据,结合数字高程模型(DEM)对河长、河宽、糙率、比降、河深和流速等水力学参数进行遥感估算,进而采...