融合特征优选与随机森林算法的GF-6影像东北一季稻遥感提取

摘要：

为寻求高效、高精度的东北一季稻种植面积提取方法,该研究以辽宁省盘锦市为研究区,利用覆盖水稻关键物候期的6景GF-6WFV单时相影像和时序影像,构建光谱特征、植被指数、水体指数和红边指数4类特征变量,采用平均不纯度减少的方法进行重要性排序并通过袋外误差方法选择最优输入特征,建立基于特征优选的随机森林模型,对2020年盘锦市水稻种植分布进行提取.结果表明:(1)基于水稻不同物候期的单时相影像,总体分类精度均在94％以上,以处于水稻移栽期影像分类结果最佳,其总体精度、F1值(水稻)、Kappa系数与实地验证点精度分别为97.67％、98.84％、0.97和97.22％;(2)与单时相影像相比,利用时序影像进行土地覆被分类和水稻信息提取能够有效提高分类精度,其总体精度、F1值(水稻)、Kappa系数与实地验证点精度分别为99.33％、100.00％、0.99和97.22％;(3)对有无红边信息参与的水稻提取结果进行对比分析,红边波段和红边指数的引入可使分类精度有所提高;(4)引入紫边与黄边波段能够提高分类精度,但分类结果精度提高效果次于红边信息.该研究证明,基于特征优选的随机森林模型,利用水稻移栽期的单时相影像提取水稻种植分布可满足实际应用精度需求,但利用时序影像可进一步提高分类精度.此外,GF-6卫星的新增波段均能够提高水稻分类精度,显示出GF-6卫星在作物精细提取方面具有巨大应用潜力.

关键词：遥感、随机森林、红边波段、特征优选、高分六号、水稻、紫边波段、黄边波段

所属期刊栏目：27

分类号：TP79;S127;P2(遥感技术)

在线出版日期：2023-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2153-2164