一种基于 Google Earth Engine 的 Python 方法以改进对人为古景观特征的识别
计算机与社会
2022-01-26 v1 计算机视觉与模式识别
摘要
近几十年来，景观可持续发展的必要性已成为一个重要主题。当前方法对景观遗产采取整体性方法，并促进跨学科对话以辅助互补的景观管理策略。随着自然与文化景观遗产的社会经济价值在全球范围内日益得到认可，遥感工具被越来越多地用于促进景观遗产的记录与管理。卫星遥感技术使景观研究取得了显著进展。Google Earth Engine 云平台的出现使得快速探索和处理卫星影像（如 Landsat 和 Copernicus Sentinel 数据集）成为可能。本文在波河平原评估了 Sentinel-2 卫星数据在识别古河流景观特征中的应用，选择该地是因为其自全新世中期以来便具有人类开发利用的特征。采用多时相方法，结合光谱指数和光谱分解分析，研究了卫星影像探测埋藏水文特征与人为特征的潜力。本研究是 GEE Python API 在景观研究中的首次应用之一。本文提出的完整 FOSS 云协议由在 Google Colab 中开发的 Python 代码脚本组成，可简单调整并复制到世界不同地区。
引用
@article{arxiv.2012.14180,
title = {A Google Earth Engine-enabled Python approach to improve identification of anthropogenic palaeo-landscape features},
author = {Filippo Brandolini and Guillem Domingo Ribas and Andrea Zerboni and Sam Turner},
journal= {arXiv preprint arXiv:2012.14180},
year = {2022}
}
备注
33 pages, 10 figures, 2 tables