为解决土地覆盖信息获取难题，研究人员开展 “Remote sensing for land cover mapping across Victoria, Australia – a machine learning application” 主题研究。利用随机森林算法和 Sentinel-2 影像，绘制出 2021/22 年土地覆盖图，整体精度达 86%，为多领域应用提供关键数据。
澳大利亚维多利亚州拥有多样的生态环境和复杂的土地利用模式，随着经济发展和环境变化，精准掌握土地覆盖信息变得至关重要。此前的土地覆盖研究存在分辨率低等问题，难以满足当下农业政策制定、气候模型构建以及环境监测等多方面的需求。为了填补这一空白，澳大利亚维多利亚州能源、环境和气候行动部农业维多利亚研究中心（Agriculture Victoria Research, Victorian Department of Energy, Environment and Climate Action）的研究人员 Sabah Sabaghy、Mohammad Abuzar 等人开展了一项关于维多利亚州土地覆盖映射的研究。该研究成果发表在《Scientific Data》上，为深入了解维多利亚州的土地状况提供了有力支持。
研究人员运用了多种关键技术方法。首先，以 FAO 的土地覆盖分类系统（LCCS）为标准进行分类。在数据获取方面，使用 Sentinel-2 Level-1C 影像，从 Google Earth Engine 下载并处理，分析光谱波段和植被指数相关性筛选数据。采用分层随机抽样获取校准和验证数据，结合实地与桌面分析。通过 Python 的 scikit-learn 库实现随机森林算法进行分类，并利用 Google Earth Engine 平台减少计算量。
