Large-extent Classification of Wetland and Management Types Using Satellite Remote Sensing and Auxiliary Data

方法

Sentinel-1/2影像、Landsat影像及土壤、地形等辅助GIS数据，进

发现

湿地及管理类型可用10米影像分类，但辅助数据可将精度提升最多41个百分点。

机会点

可探索辅助数据质量与类型对湿地分类精度的贡献机制，并迁移至农业湿地管理监测。

目前很少有研究考察遥感与辅助数据在多大程度上能够有效识别湿地类型的土地利用/土地覆盖（LULC）类别及其管理方式。我们在七个欧洲研究区开展了针对湿地的现状LULC分类与长期变化检测。我们评估了利用卫星遥感能够以多高精度识别LULC类型及其变化，以及辅助数据在多大程度上提升了分类精度。我们利用Sentinel-1和Sentinel-2卫星影像以及关于土壤、LULC和地形的辅助GIS数据，开展了10米空间分辨率的27类LULC分类。在变化检测方面，我们利用Landsat影像以30米分辨率区分了1985—2023年间的8个LULC类别。现状分析的分类精度在52%—93%之间，剔除辅助数据集会使精度最多下降41个百分点。变化检测分类与Corine土地覆盖数据的一致性为73%—94%。结果表明，利用10米影像可以对湿地及其管理类型进行分类，但需要使用高质量的辅助数据以提高分类精度。此外，利用Landsat影像可以检测30米尺度的LULC变化。所开发的方法能够在大范围内快速、简便地实施LULC分类与变化检测。