时间序列特征提取和分类器对农作物分类的影响研究 |
| |
引用本文: | 温彩运,陆苗※,宋茜,程锐,张士博.时间序列特征提取和分类器对农作物分类的影响研究[J].中国农业信息,2021,33(1):1-16. |
| |
作者姓名: | 温彩运 陆苗※ 宋茜 程锐 张士博 |
| |
作者单位: | 中国农业科学院农业资源与农业区划研究所/ 农业农村部农业遥感重点实验室,北京 100081 |
| |
基金项目: | 科技基础资源调查专项(No.2019FY202501);国家自然科学基金项目“耕地规模化利用的多尺度智能遥感
监测方法研究”(42071419);中央级公益性科研院所基本科研业务费专项“地块尺度的耕地利用规模时空
变化研究”(1610132020016);气候变化对中国小麦主产区生产系统影响综合评价(2017YFD0300201-3) |
| |
摘 要: | 【目的】准确的作物空间分布是农业估产、作物长势和病虫害防控等农业遥感监测的重要基础信息。选择合适的特征和分类器对作物空间信息的提取有重要意义。【方法】文章基于北安市的Landsat 8时间序列数据探究了特征提取和分类器选择对作物分类的影响。首先,基于Google Earth Engine (GEE)平台提取光谱、植被指数、纹理和物候时序特征;其次,将不同特征及其组合输入最小距离法(Minimum Distance Classification,MDC)、朴素贝叶斯(Na?ve Bayes,NB)、K最近邻法(K-Nearest Neighbor,KNN)、支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF) 5种分类器比较精度;最后,计算分离性指数(Separability Index,SI)评估特征对识别作物的贡献度,辅助验证分类器的分类结果。【结果】研究结果表明:(1)4类特征中光谱特征分类精度最高,3种特征组合中光谱+植被指数精度最高,但相较于光谱特征精度提仅提高0.6%,说明时序光谱特征足以得到较好的作物分类结果,提取的其他特征对精度提升作用不明显;(2)通过比较5种分类器的精度均值和标准差,性能最好的是RF,其次是SVM,MDC的性能最差;(3)在特征分离性方面,光谱特征最好,其次是植被指数、物候和纹理特征。【结论】光谱时序特征结合RF分类器效率最高,能得到较好的作物识别效果。文章能为作物分类特征提取和分类器选择提供参考和依据。
|
关 键 词: | 遥感 时间序列 作物分类 特征优选 分类器 |
收稿时间: | 2021/1/27 0:00:00 |
A comparative analysis of feature extraction and classifiers for
crop classification based on time series data |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |
|