关键词:
长时序
土地利用/覆盖变化
时空特征分析
摘要:
依赖本地单机状态下的传统处理方式通常难以应对大尺度和长时序的遥感影像处理需求,文中研究以合肥市为例,提出一种基于谷歌地球引擎(GEE)平台,使用已有的土地利用/覆盖分类数据集快速选取可用于逐年影像分类训练样本的方法;然后对合肥市2013—2022年Landsat影像数据进行无云筛选和影像拼接等操作,得到年度影像分类底图;再通过融合光谱波段、光谱指数、地形特征、夜间灯光指数4个维度构建14个分类特征,采用随机森林模型的方法,对合肥市土地利用/覆盖类型变化进行研究分析,结果表明:①使用已有的土地利用/覆盖数据集获取训练样本的方法具有可行性,样本点选取精度高于95.2%。②融合多维度遥感特征的随机森林模型影像分类方法能准确地提取土地利用/覆盖分类信息,4个时间段的平均总体精度OA为92.75%,Kappa系数为0.905。③研究期间内,耕地是主要的转出源,其主要转化为建设用地,建设用地面积1931.01 km^(2)增加到3360.88 km^(2),耕地面积7386.86 km^(2)减少到6029.48 km^(2),水体面积1210.88 km^(2)减少到1105.98 km^(2),林地和未利用地面积总体未发生明显变化。文中研究为合肥市逐年土地利用/覆盖分类提供方法,同时为土地资源管理、生态可持续发展等领域提供数据支撑。