基于空间机器学习的城市小面积森林监测研究

作者：章虹晨; 汪月霞; 许致火

来源：国外电子测量技术, 2023, 42(08): 117-123.

DOI：10.19652/j.cnki.femt.2304905

• 卫星大数据
• Sentine-1
• Sentinel-2
• 空间机器学习
• 时间序列
• 森林监测

为解决城市复杂地物环境中小面积森林检测的难题，提出了一种基于空间机器学习的城市小面积森林监测方法。该方法首先对卫星遥感大数据预处理，抑制云层和图像噪声。其次，提出了基于随机森林(random forest, RF)建立了森林识别模型。最后，选取了一个典型国家森林城市-江苏省南通市进行推广应用，实现了10 m空间分辨率城市森林变化监测。模型精度结果表明，对2021年南通市小面积森林覆盖精度为99.25%。在此基础上，利用时间序列差分方法得到南通市2019～2021年森林变化图。通过对比验证结果表明，提出的方法可有效监测小面积森林，将对测准城市森林系统碳汇具有重要的参考意义。

• 单位
  土木工程学院; 南通大学