基于谷歌地球引擎和Sentinel-2时序数据的海地多云地区地震滑坡识别OA北大核心CSTPCD

受云雾影响,强震震后的高分辨率光学影像质量较低,限制了震后地震滑坡调查和评估工作的开展。本文以2021年8月14日海地尼普斯(Nippes)MW7.2地震附近区域为研究区,基于谷歌地球引擎(Google Earth Engine)云平台和Sentinel-2时间序列影像,提出了一种遥感序列影像去云和地震滑坡识别的方法。首先,利用Sentinel-2遥感影像及机器学习算法获取的Sentinel-2云概率数据产品,对长时间序列遥感影像进行去云处理,镶嵌融合得到无云的影像数据;然后对无云光学影像进行多尺度最优分割,利用遥感数据的光谱特征、植被指数、不同类别的空间邻近关系特征等,构建了面向对象的地震滑坡识别模型。结果显示,本文提出的去云和滑坡识别方法有益于多云地区强震震后滑坡空间分布的准确识别,能够为灾后应急调查和评估提供技术支撑。