基于Sentinel-2A遥感影像的棉花种植信息提取研究

摘要：

及时准确地对棉花种植区位置和面积进行提取,对农业发展政策的制定和经济的发展具有重要意义.该试验基于Sentinel-2A遥感影像,首先通过分析典型作物的物候信息以及遥感影像时间序列特征确定棉花提取的最佳时相,从而构建差值归一化植被指数(Difference Normalized Differential Vegetation Index,DNDVI),其次采用深度学习U-Net模型,对DNDVI数据进行训练和分类,提取新疆棉花种植信息,最后基于试验区和验证区样本分别进行精度评价.主要结果包括:1)经棉花物候信息以及时间序列植被指数和一阶微分曲线分析,最终选择 5月和9 月作为最佳提取时间,以此构建DNDVI数据;2)经多时相训练样本多次迭代,深度学习U-Net模型的精度达到 95.52%,损失函数值为 0.0779;3)试验区混淆矩阵总体分类精度达到 92.83%,验证区总体精度为 89.55%,二者均达到89%以上.该研究结果可为新疆棉花种植规划提供一定依据,对农业经济发展具有促进作用.

关键词：棉花、深度学习、时间序列、DNDVI、U-Net

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：石河子大学创新发展专项;石河子大学高层次人才启动资金专项

在线出版日期：2023-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：85-88,92