一种基于GEE和机器学习的养殖区渔排的遥感提取方法，包括：基于GEE平台在线获取遥感影像，进行预处理，将预处理后的遥感影像利用Sentinel‑2光谱特征和多个指数构建多维数据集，对多维数据集进行选取构建训练样本和验证样本；将训练样本输入随机森林分类模型进行训练并确定最优参数，得到训练好的随机森林分类模型，采用训练好的随机森林分类模型进行渔排遥感影像分类；将待测的遥感影像图像输入训练好的随机森林分类模型输出分类结果，将分类结果进行后处理和可视化。本发明专利技术能实现多时序遥感影像高效批量地在线处理、多维数据集构建、基于机器学习的遥感分类、分类后处理、分类结果精度评价和养殖区渔排的面积统计，可极大提高养殖区渔排分布信息的遥感提取的精度。
【技术实现步骤摘要】
本专利技术涉及海洋遥感信息领域，特别是指一种基于gee和机器学习的养殖区渔排的遥感提取方法。
技术介绍
1、近岸海洋渔业管理具有重要意义，而水产养殖区渔排的类型和位置信息是其关键因素。遥感观测凭借其具有监测范围广和良好的时效性等特点，通过遥感技术可以快速、大范围地获取养殖区渔排的时空分布等信息。
2、传统基于单景遥感影像、单一的指数提取养殖区渔排的算法信息量较少，而综合利用多时序、多指数进行养殖区渔排可以有效提高提取的准确性和效率。多时序、多指数的遥感影像往往需要进行大量的下载及预处理，费时费力。
技术实现思路
1、本专利技术的主要目的在于克服现有技术中的上述缺陷，提出一种基于gee和机器学习的养殖区渔排的遥感提取方法，实现多时序遥感影像高效批量地在线处理、多维数据集构建、基于机器学习的遥感分类、分类后处理、分类结果精度评价和养殖区渔排的面积统计，可极大提高养殖区渔排分布信息的遥感提取的精度。
2、本专利技术采用如下技术方案：
3、一种基于gee和机器学习的养殖区渔排的遥感本文档来自技高网...
【技术保护点】
1.一种基于GEE和机器学习的养殖区渔排的遥感提取方法，其特征在于，包括：
2.如权利要求1所述的一种基于GEE和机器学习的养殖区渔排的遥感提取方法，其特征在于，所述预处理包括采用QA60波段识别和掩膜所述遥感影像的厚云和卷云像素；其次选择假彩色波段进行合成显示；再根据研究区对所述遥感影像进行裁剪和镶嵌。
3.如权利要求1所述的一种基于GEE和机器学习的养殖区渔排的遥感提取方法，其特征在于，所述Sentinel-2光谱特征包括有B2波段、B3波段、B4波段、B5波段、B6波段、B7波段、B8波段、B8A波段、B11波段和B12波段。
>4.如权利要求1所...
【技术特征摘要】
1.一种基于gee和机器学习的养殖区渔排的遥感提取方法，其特征在于，包括：
2.如权利要求1所述的一种基于gee和机器学习的养殖区渔排的遥感提取方法，其特征在于，所述预处理包括采用qa60波段识别和掩膜所述遥感影像的厚云和卷云像素；其次选择假彩色波段进行合成显示；再根据研究区对所述遥感影像进行裁剪和镶嵌。
3.如权利要求1所述的一种基于gee和机器学习的养殖区渔排的遥感提取方法，其特征在于，所述sentinel-2光谱特征包括有b2波段、b3波段、b4波段、b5波段、b6波段、b7波段、b8波段、b8a波段、b11波段和b12波段。
4.如权利要求1所述的一种基于gee和机器学习的养殖区渔排的遥感提取方法，其特征在于，所述多个指数包括有归一化植被指数、归一化建筑指数、归一化水体指数、改进的归一化差异水体指数和增强型水体指数；所述归一化植被指数用来监植被生长状态及其覆盖程度的重要参数，利用ndvi来增强植被信息，减少植被覆盖对养殖区渔排识别的影响，其计算公式如下：
5.如权利要求1所述的一种基于gee和机器学习的养殖区渔排的遥感提取方法，其特征在于，所述随机森林分类模型所需的参数包括决策树数量、节点分裂时需要输入...
【专利技术属性】
技术研发人员：张彩云，李玲玲，陈能汪，黄水英，
申请(专利权)人：厦门大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。