期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Google Earth Engine与机器学习的大尺度30m分辨率沙地灌木覆盖度估算 被引量：18
1
作者 陈黔 李晓松 +1 位作者 修晓敏 杨广斌 《生态学报》 CAS CSCD 北大核心 2019年第11期4056-4069,共14页
相较于降雨充沛的南方,中国北方沙地植被呈现覆盖整体偏低、空间异质性强的特点。灌木作为该区域的优势植被,对于风沙固定、食品/木材供给起着极为重要的作用。针对当前大尺度、中高分辨率干旱地区灌木覆盖度遥感产品缺失的现状,研究提... 相较于降雨充沛的南方,中国北方沙地植被呈现覆盖整体偏低、空间异质性强的特点。灌木作为该区域的优势植被,对于风沙固定、食品/木材供给起着极为重要的作用。针对当前大尺度、中高分辨率干旱地区灌木覆盖度遥感产品缺失的现状,研究提出了一套通过Collect Earth样本收集器进行样本采集、利用Google Earth Engine遥感云平台的数据与计算优势开展大尺度灌木覆盖度估算的方法,并选取中国北方四大沙地之一的毛乌素沙地开展了示范应用。研究结果表明:(1)Collect Earth样本收集器可以有效地获取地面灌木覆盖度样本数据集,可以将灌木与高大乔木与草本植被进行有效区分,为灌木覆盖度估算样本集的建立打下了基础;(2)利用Landsat数据与其他辅助数据,机器学习算法可以较好地实现灌木覆盖度的估算,CART模型确定性系数R^2为0.73,均方根误差(Root Mean Square Error, RMSE)为13.66%,预测精度(Estimated Accuracy, EA)为61.8%,SVM模型R^2为0.72,RMSE为13.73%,EA为61.6%;(3)提出的基于GEE的灌木覆盖度估算体系可为我国乃至全球尺度干旱地区沙地灌木覆盖度信息提取提供有效支撑,具有较大的应用潜力。 展开更多
关键词 沙地 灌木覆盖度 COLLECT EARTH Google EARTH ENGINE 机器学习
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部