基于Sentinel-2影像的南四湖菹草群落遥感提取研究北大核心CSCD

基于Sentinel-2遥感数据,选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法,对2021年5月初南四湖沉水植被(菹草群落)进行提取研究,利用同期实测的南四湖菹草群落面积和分布数据对3种方法的提取精度进行分析,结合菹草植被覆盖度分析3种方法对菹草的提取能力。结果表明:①不同方法提取的南四湖菹草群落总面积存在明显差异。监督分类和随机森林方法提取的2021年南四湖菹草群落面积均在100 km^(2)以下,分别为98.97 km^(2)和75.92 km^(2),基于时序NDVI的方法提取面积为207.44 km^(2),最接近实地调查的菹草面积。②无论是全湖还是核心区,监督分类和随机森林法的提取精度均75%左右,平均相对误差(MRE)在0.5左右,平均误差在20~30 km^(2)左右,而基于时序NDVI的方法精度在90%以上,MRE和ME area也最低。③对比植被覆盖度发现,监督分类和随机森林方法只能提取到近湖岸的植被覆盖度较高的菹草,对湖心区覆盖度较低的菹草提取效果差,而时序NDVI的方法对低植被覆盖度菹草群落更敏感,是菹草遥感提取的有效方法。本研究对于创新沉水植被遥感提取方法和指导湖泊生态环境遥感监测具有一定的参考价值。