阿克苏-阿拉尔区域指阿克苏地区与阿拉尔市,位于新疆中部。作者基于Google Earth Engine (GEE) 平台,利用2020年Landsat 8、Sentinel-2和MOD13Q1遥感影像数据,采用随机森林方法对阿克苏地区与阿拉尔市棉花种植区域进行提取,并进行分类处理,得到该区域的棉花分布数据集(2020)。作者对各县域影像总体分类精度都在0.9以上,Kappa系数都在0.8以上。该数据集内容包括:(1)研究区棉花种植分布,空间分辨率为250 m;(2)样本点数据。该数据集存储为.tif、.shp格式,由17个数据文件组成,数据量为385 KB(压缩为1个文件,134 KB)。
数据量 | 1.7 MiB |
---|---|
数据格式 | .tif和.shp数据格式 |
数据空间分辨率(/米) | 无 |
数据时间分辨率 | 无 |
坐标系 | WGS84 |
投影 | WGS84 |
利用 2020 年 Landsat8、Sentinel-2 和 MOD13Q1 遥感影像数据。
本研究所用的数据基于 GEE 平台。首先,以阿克苏-阿拉尔区域各县域耕地范围的矢量图为边界,地理坐标系为 GCS_WGS_1984,利用 2020 年棉花生长期内 Sentinel-2 和Landsat8 高空间分辨率遥感影像,通过目视解译获取各区域棉花和非棉花样本点。将获取的各县域的样本点数据存储为.shp 文件。研究采用随机森林(RF)作为分类器,因为随机森林在处理大量训练样本和高维数据时效率较高,对于训练样本的容错能力强。RF 模型由多个分类树构成。在训练 RF 模型时,使用训练样本总数的 2/3 构建每颗决策树,剩余的训练样本用于验证每颗决策树的分类结果。分类时,随机森林中的每颗决策树获得各自的分类结果,在通过最大投票法获得 RF 最终的分类结果。其中将 Sentinel2 NDVI 数据和MOD13Q1 EVI 数据作为随机森林分类的特征值。搭建随机森林分类器,按县域进行分类,得到各县域棉花种植分布。并在 GEE 平台根据 connectedPixelCount 方法去除了小斑块的影响。最终,得到了阿克苏-阿拉尔区域的棉花空间分布。
各县域验证结果表明总体分类精度都在 0.9 以上,Kappa 系数都在 0.8 以上。其中精度最高的是温宿县,总体分类精度高达 0.99,kappa 精度高达 0.97,精度最低的是柯坪县,总体分类精度 0.94,kappa 精度为 0.83。
# | 标题 | 文件大小 |
---|---|---|
1 | Aksu_Alaer_Cotton_2020.rar | 134.3 KiB |
2 | Datapaper_Aksu_Alaer_Cotton_2020.pdf | 1.6 MiB |
中国·新疆乌鲁木齐市北京南路818号, 830011, 电话: 0991-7823121