| 基于XGBoost算法的多云多雾地区多源遥感作物识别 |
| |
| 引用本文： | 张超,陈畅,徐海清,薛琳.基于XGBoost算法的多云多雾地区多源遥感作物识别[J].农业机械学报,2022,53(4):149-156. |
| |
| 作者姓名： | 张超 陈畅 徐海清 薛琳 |
| |
| 作者单位： | 中国农业大学土地科学与技术学院,北京100083;自然资源部农用地质量与监控重点实验室,北京100083,中国农业大学土地科学与技术学院,北京100083,安徽皖南烟叶有限责任公司,宣城242000 |
| |
| 基金项目： | 安徽皖南烟叶有限责任公司科技项目(20190563005) |
| |
| 摘 要： | 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...
|
| 关 键 词： | 多源遥感 作物识别 XGBoost算法 云雾地区 |
| 收稿时间： | 2021/4/10 0:00:00 |
Multi-source Remote Sensing Crop Identification Based on XGBoost Algorithm in Cloudy and Foggy Area |
| |
| ZHANG Chao,CHEN Chang,XU Haiqing,XUE Lin.Multi-source Remote Sensing Crop Identification Based on XGBoost Algorithm in Cloudy and Foggy Area[J].Transactions of the Chinese Society of Agricultural Machinery,2022,53(4):149-156. |
| |
| Authors: | ZHANG Chao CHEN Chang XU Haiqing XUE Lin |
| |
| Institution: | China Agricultural University;Anhui Wannan Tobacco Leaf Co., Ltd. |
| |
| Abstract: | |
| |
| Keywords: | Multi-source remote sensing crop identification XGBoost algorithm cloudy area |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
