10.6041/j.issn.1000-1298.2022.04.015
基于XGBoost算法的多云多雾地区多源遥感作物识别
快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础.针对我国江南区域多云雾的特点,以Sentinel-1/2为数据源,综合采用光学遥感影像和合成孔径雷达(Synthetic aperture radar,SAR)影像等多源数据,针对研究区作物早春覆膜的特点,构建地膜植被指数(SAR plastic-film vegetation index,SPVI);利用时序光谱和植被指数特征,研究基于XGBoost算法的作物识别方法.以安徽省宣城市宣州区为研究区,开展实例验证研究.在作物生育期内,云雾影响较大,光学遥感覆盖稀疏区域以Sentinel-2影像为主,获取时序指数数据集,增加4期Sentinel-1雷达影像,用以补充云雾时期(5-7月)光学影像的缺失.以本文设计的方法,得到作物识别总体精度为84.87%,优于随机森林的83.93%,主要作物烟草制图精度88.69%,用户精度95.51%.仅使用生育期Sentinel-2影像的作物识别总体精度79.01%,主要作物烟草制图精度82.30%,用户精度93.49%.研究结果表明,本文构建的基于XGBoost算法多源遥感作物识别方法可满足多云多雾地区作物识别应用要求.
多源遥感、作物识别、XGBoost算法、云雾地区
53
S127(农业物理学)
安徽皖南烟叶有限责任公司科技项目20190563005
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
149-156