详细内容或原文请订阅后点击阅览
使用 Sentinel-2 影像和辅助地理空间数据自动绘制国际异质景观中的土地覆盖类型
摘要：目前尚不存在使用浅层机器学习和低密度时间序列图像进行自动训练数据生成和土地覆盖分类的近全球框架。本研究提出了一种使用 Sentinel-2 颗粒的两个日期在七个国际站点绘制九类、六类和五类土地覆盖的方法。该方法使用一系列光谱、纹理和距离决策函数与修改后的辅助层相结合来创建二进制掩码，从中生成一组平衡的训练数据应用于随机森林分类器。对于土地覆盖掩码，对反射率、光谱指数值和欧几里得距离层应用了逐步阈值调整，评估了 62 种组合。计算了全球和区域自适应阈值。使用年度 95 和 5 百分位 NDVI 合成为决策函数提供时间校正，并将这些校正与原始模型进行比较。精度评估发现，两日期土地覆盖和时间校正土地覆盖的区域自适应阈值可以准确绘制九类、六类和五类方案中的土地覆盖类型。最后，将五类和六类模型与手动标记的深度学习模型 (Esri) 进行了比较，结果显示它们具有相似的精度。结果突出了与密集深度学习方法一致的性能和相当准确的模型
来源:美国陆军工程兵团阿富汗地区访问被拒绝
参考 #18.ad810e17.1729918472.10e34eb9
https://errors.edgesuite.net/18.ad810e17.1729918472.10e34eb9