文献类型：期刊文章

作　　者：蒙良莉[1,2] 凌子燕[1,2] 蒋卫国[3] 钟仕全[1,2] 陈燕丽[4] 孙明[4]

MENG Liang-li;LING Zi-yan;JIANG Wei-guo;ZHONG Shi-quan;CHEN Yan-li;SUN Ming(Key Laboratory of Beibu Gulf Environment Change and Resources Use,Ministry of Education/Guangxi Key Laboratory of Earth Surface Processes and Intelligent Simulation(Nanning Normal University),Nanning 530001;School of Geography and Planning,Nanning Normal University,Nanning 530001;Beijing Key Laboratory of Environmental Remote Sensing and Digital Cities/State Key Laboratory of Remote Sensing Science,Faculty of Geographical Science,Beijing Normal University,Beijing 100875;Guangxi Institute of Meteorological Disaster Mitigation,Nanning 530022,China)

机构地区：[1]北部湾环境演变与资源利用教育部重点实验室/广西地表过程与智能模拟重点实验室(南宁师范大学),广西南宁530001 [2]南宁师范大学地理科学与规划学院,广西南宁530001 [3]北京师范大学地理科学学部环境遥感与数字城市北京市重点实验室/遥感科学国家重点实验室,北京100875 [4]广西壮族自治区气象减灾研究所,广西南宁530022

出　　处：《地理与地理信息科学》

基　　金：广西科技基地和人才专项项目(桂科AD19245089);广西红树林保护与利用重点实验室开放基金项目(GKLMC-201804)。

年　　份：2020

卷　　号：36

期　　号：4

起止页码：41-47

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：基于2018年的Sentinel-1雷达影像和Sentinel-2光学影像数据,采用面向对象技术获取影像的光谱、几何、纹理、自定义特征和多极化后向散射系数5个种类的90个特征变量,基于随机森林算法进行特征选择,并构建多种特征组合方案,利用随机森林分类器对保护区内的地物进行识别并提取红树林信息。结果表明:多特征耦合优化模式的分类效果最好,总体精度为89.60%,Kappa系数为0.8756,其中,红树林的制图精度与用户精度分别为96.39%、97.56%;识别出的茅尾海红树林面积为19.2 km 2,占整个研究区的2.67%。该研究揭示了Sentinel-1和Sentinel-2数据在红树林监测中的应用潜力。

关 键 词：茅尾海  红树林 Sentinel-1  Sentinel-2  信息提取

分 类 号：S771.8[林业工程类]