协同Sentinel合成孔径雷达和光学影像多特征的不透水面随机森林提取方法

不透水面的精确提取对区域人口密度估计、环境评估、灾害预测、水文模型构建、城市热岛效应研究以及气候变化分析等具有重要意义。传统大尺度不透水面提取方法主要受限于遥感数据质量和提取特征的选择，提取的不透水面空间分辨率较低，难以满足现阶段不透水面的精细化需求。以Sentinel-1 SAR和Sentinel-2 MSI为遥感数据源，从光谱、纹理、时序等3个维度选取不透水面的多个提取特征，构建了基于随机森林的不透水面提取模型，并利用GEE平台开展了2020年长三角地区的10 m空间分辨率不透水面提取实验。结果表明：在不同类型实验区，与仅用光谱特征、光谱特征和时序特征相比，该方法的总体精度、Kappa系数分别提升5%、9%和2%、6%，且针对不透水面覆盖水平不同的各类城市，均具有较好的提取效果；长三角地区全域尺度不透水面提取的总体精度和Kappa系数分别达93.75%和0.88，不透水面面积为61 591.38 km²，占全域总面积的比例约为17%，主要分布在长三角的东部区域，西、北部不透水面占比较低且呈放射性分布。该方法针对10 m分辨率遥感影像提出的，适用于山区、乡村、城...