基于多源光学雷达数据融合的黄淮海平原冬小麦识别

摘要：

遥感技术能够快速准确地获取农作物空间分布信息,为探究2021年黄淮海平原冬小麦空间分布信息,基于Google Earth Engine(GEE)云平台,以Sentinel-1 SAR雷达影像和Sentienl-2光学遥感影像为数据源,通过计算极化特征、光谱特征和纹理特征,运用随机森林等4种机器学习方法和深度循环神经网络模型,对研究区冬小麦空间分布信息进行提取,并对比各分类器和网络架构的分类精度.结果表明,黄淮海平原冬小麦总面积约为16 226 667 hm2,占研究区总面积的49.17％,其中冬小麦种植面积最大的是河南省,约为4 647 334 hm2,研究区冬小麦种植分布呈现由东向西、由南向北递减的趋势;随机森林是4种机器学习方法中识别精度最高的分类器,总体分类精度为94.30％;在随机森林算法中仅使用Sentinel-1雷达数据总体精度为87.38％,仅使用Sentinel-2光学数据总体精度为93.95％,而融合时序Sentinel主被动遥感数据总体精度为94.30％;在大范围的冬小麦分类上,深度学习模型的泛化性高于机器学习方法.

关键词：冬小麦、遥感分类、多源数据融合、Google Earth Engine、机器学习、深度学习

所属期刊栏目：54

分类号：S512.1+1;S127(禾谷类作物)

资助基金：国家超级计算郑州中心创新生态系统建设科技专项;国家自然科学基金

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：160-168