典型文献
一种基于Google Earth Engine云平台的潮间带遥感信息提取方法
文献摘要：
潮间带是滨海湿地的重要组成部分,对生态和经济的发展具有重要意义.由于海水与陆地的动态交互作用,以瞬时性遥感图像为数据源的遥感信息提取方法难以准确获取潮滩范围.针对此问题,研究提出了一种基于Google Earth Engine(GEE)云平台和遥感指数的潮间带信息提取方法.该方法利用2021年的Landsat8时序影像数据,在最大光谱指数合成算法(maximum spectral index composite,MSIC)和大津算法(OTSU)形成多层自动决策树分类模型的基础之上,构建基于融合数字高程模型(digital elevation model,DEM)数据的决策树算法,并以舟山群岛海岸带为例,计算舟山群岛潮间带面积.研究结果显示2021年舟山群岛潮间带面积为35.19 km2.通过谷歌地球的高空间分辨率影像进行精度评价,总体精度为97.7％,Kappa系数为0.95,具有较好的提取精度和实用效果.该方法能够实现自动、快速地提取潮间带信息,为海岸带资源的可持续管理和利用提供数据支撑,进一步促进海岸带区域的高质量发展.
文献关键词：
潮间带;Landsat8影像;Google Earth Engine;最大光谱指数合成算法(MSIC);大津算法(OTSU)
中图分类号：
作者姓名：
陈慧欣;陈超;张自力;汪李彦;梁锦涛
作者机构：
浙江海洋大学海洋科学与技术学院,舟山 316022;浙江省生态环境监测中心(浙江省生态环境监测预警及质控研究重点实验室),杭州 310012
文献出处：
引用格式：
[1]陈慧欣;陈超;张自力;汪李彦;梁锦涛-.一种基于Google Earth Engine云平台的潮间带遥感信息提取方法)[J].自然资源遥感,2022(04):60-67
A类：
MSIC
B类：
Google,Earth,Engine,潮间带,遥感信息提取,滨海湿地,动态交互作用,瞬时性,遥感图像,数据源,潮滩,GEE,遥感指数,带信,法利,Landsat8,时序影像,影像数据,大光,光谱指数,成算,maximum,spectral,composite,大津,OTSU,自动决策,决策树分类,分类模型,数字高程模型,digital,elevation,model,DEM,决策树算法,舟山群岛,km2,谷歌地球,高空间分辨率,精度评价,总体精度,Kappa,带资,可持续管理,管理和利用,海岸带区域
AB值：
0.392054
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
