近日永利yl23411/青海省自然地理与环境过程重点实验室高小红团队在利用亚米级分辨率遥感数据开展土地利用/土地覆被分类研究中取得了新进展。
青藏高原独特的地理环境、复杂的地貌类型以及多样的生态系统，使其土地利用/土地覆被类型的准确分类具有一定的难度，尤其对于其东部黄土丘陵地貌区域来说，沟壑纵横、地形破碎，提取较难。随着卫星影像空间分辨率的不断提高、机器学习方法的进一步发展，为其准确获取提供了可能。探讨新兴的集成学习方法和亚米级立体影像相结合，对于复杂地形区土地覆盖分类精度的提高是非常有意义的。
该研究利用多时相亚米级GF-7立体影像，探讨了11种典型集成学习分类器和3种分类数据集在青藏高原东部黄土丘陵区土地覆盖分类中的应用。研究表明，GF-7影像适用于复杂地形的土地覆被分类，使用集成学习分类器和多时相数据集可以有效提高分类精度。
该研究成果“Ensemble Learning for the Land Cover Classification of Loess Hills in the Eastern Qinghai‒Tibet Plateau Using GF-7 Multitemporal Imagery”在线发表于遥感领域期刊Remote Sensing（中文名：遥感；JCR 1区，IF影响因子4.4），永利yl234112020级博士研究生史飞飞为第一作者，高小红教授为通讯作者，该研究获得青海省科技厅自然科学基金项目(2021-ZJ-913)资助。
文章信息：Feifei Shi, Xiaohong Gao, Runxiang, and Hao Zhang.Ensemble Learning for the Land Cover Classification of Loess Hills in the Eastern Qinghai–Tibet Plateau Using GF-7
Multitemporal Imagery.Remote Sens. 2024, 16,2556. https://doi.org/10.3390/rs16142556.
文章链接：https://www.mdpi.com/2072-4292/16/14/2556
公司首页
>
正文