一种融合多波段比值法和随机森林算法的Sentinel-2绿潮信息提取方法

遥感卫星可以高效、大面积地监测海洋绿潮的发生及发展情况,而绿潮的精准识别提取尤为重要,对于维护海洋生态环境安全具有重大意义。本研究提出一种融合多波段比值法和随机森林算法（random forest,RF）的绿潮信息提取方法,基于高分辨率的Sentinel-2遥感影像,以苏北近岸海域为研究区,以绿潮和非绿潮两类地物为识别目标进行精准识别分类,并与最大似然法（maximum likelihood classification,MLC）、RF和支持向量机（support vector machine,SVM）以及融合多波段比值法的MLC和SVM等五种模型进行对比。结果表明：归一化植被指数（normalized difference vegetation index,NDVI）和漂浮藻类指数（floating algae index,FAI）能够有效提高绿潮信息提取的准确性,融合这两种指数的RF模型分类结果 Kappa系数为0.98,总体精度为99.92%,高于其他五种模型。研究结果可为海洋环境生态及生物地球化学循环的相关研究与治理提供理论与技术支撑。