研究目的
研究光学与合成孔径雷达（SAR）时序卫星数据的协同应用，以绘制小型哺乳动物疾病宿主分布图，重点是在吉尔吉斯斯坦一个高流行地区建立驱动坦氏鼹形田鼠和草原旅鼠空间分布的土地覆盖特征模型，并评估SAR数据在多云地区的应用潜力。
研究成果
光学与SAR数据的联合使用提供了最高的土地覆盖分类精度，能有效模拟小型哺乳动物分布。仅使用SAR数据的效果与单时相光学数据相当，在云层影响区域提供了可行替代方案。通过识别关键土地覆盖驱动因素，预测模型能通过定位传播热点来提升疾病防控的精准性。
研究不足
野外数据与影像获取时间不匹配、土地覆盖图可能存在误分类、用于验证的历史小型哺乳动物数据稀少，以及合成孔径雷达（SAR）数据获取频率和轨道方向对分类精度的影响。
1：实验设计与方法选择：
本研究采用比较法，利用三组数据生成土地覆盖分类：单时相Landsat OLI影像、时序Sentinel-1 SAR数据及二者融合数据。通过随机森林算法进行分类与回归分析，建立小型哺乳动物分布与土地覆盖的关系模型。
2：样本选择与数据来源：
2012年5月和2014年9月在吉尔吉斯斯坦萨雷莫贡开展的野外调查包含95条样带，记录了小型哺乳动物活动指标。卫星数据包括28景时序Sentinel-1 SAR影像和1景Landsat OLI影像。
3：实验设备与材料清单：
手持GPS接收器用于样带测绘，Sentinel-1和Landsat卫星提供数据，数据处理软件包括SNAP和ERDAS Imagine，统计分析使用R语言的"randomForest"程序包。
4：实验流程与操作步骤：
SAR数据预处理包括地形校正、辐射定标和斑点噪声去除。基于野外调查和高分辨率影像的训练验证数据，采用随机森林算法完成土地覆盖分类。在样带点周围创建50米至500米的嵌套缓冲区提取土地覆盖数据，构建并应用随机森林预测模型。
5：数据分析方法：
采用McNemar检验进行精度评估，通过随机森林分析获取变量重要性，利用置换检验验证统计显著性，运用Pearson相关分析确定最佳缓冲区尺度。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Sentinel-1
SAR
European Space Agency
Acquiring Synthetic Aperture Radar data for land cover mapping, capable of penetrating cloud cover.
-
Landsat OLI
Operational Land Imager
NASA/USGS
Acquiring optical imagery for land cover classification, providing spectral information.
-
GPS receiver
Mapping transect routes with approximate 15 m accuracy.
-
SNAP software
European Space Agency
Pre-processing SAR data, including terrain correction and sub-setting.
-
ERDAS Imagine
Hexagon Geospatial
Layer-stacking satellite data and generating datasets for analysis.
-
R statistical package
R Foundation
Performing random forest classification and regression analysis.
-
randomForest package
R Foundation
Implementing random forest algorithms for data analysis.
-
登录查看剩余5件设备及参数对照表
查看全部
