研究目的
利用Landsat 8可见光、近红外和短波红外波段及其衍生的植被健康指数,探索非参数随机森林机器学习分类器在尼日利亚尼日尔三角洲地区区分石油污染土地覆盖像素与无油土地覆盖类型方面的潜力。
研究成果
该研究表明,利用Landsat 8 OLI光谱波段和植被健康指数结合机器学习随机森林分类器,在尼日利亚尼日尔三角洲地区区分无油污染与受溢油影响的土地覆盖类型具有可行性。当分别对单一土地覆盖类型进行分类时,获得了更好的结果。研究发现,生物量密度在表征和分类受油污染与无油污染像元中起着重要作用。
研究不足
该研究存在一定局限性,例如缺乏大量无云多时相光学影像来建立物候变化并实施基于多时相的分类。其他具有相同光谱特征的压力因子和地物可能被误判为石油污染土地覆盖类型。