遥感 / 地理数据中级
遥感影像分类流程
面向 Sentinel、Landsat 或无人机影像的预处理、样本制作、分类和精度评价流程。
预计耗时：3-6 小时 6 个步骤
操作步骤
1
选择影像数据
Google Earth Engine / SNAP根据研究期、云量、空间分辨率和传感器选择 Sentinel-2、Landsat 或其他影像。
分类前要确认影像时间是否与地面样本时间匹配。
2
预处理与裁剪
SNAP / QGIS完成大气校正、云掩膜、投影转换、研究区裁剪和波段组合。
多景影像要保持处理流程一致，避免引入系统差异。
3
制作训练样本
QGIS根据实地调查、目视解译或已有土地利用图制作分类样本。
样本要覆盖各类别内部差异，且训练样本和验证样本应分开。
4
分类建模
Orfeo ToolBox / Python使用随机森林、SVM 或其他机器学习方法进行影像分类。
随机森林通常作为第一版分类模型比较稳健。
5
精度评价
QGIS / Python计算混淆矩阵、总体精度、Kappa 或 F1-score，检查易混类别。
论文中不要只报告总体精度，还应报告各类别精度。
6
分类图制图
QGIS对分类结果进行斑块过滤、颜色设置和图例整理，输出最终专题图。
分类颜色要符合常识，例如水体蓝色、植被绿色、建设用地红/灰色。
流程完成