| 融合主被动遥感影像的冬小麦种植面积提取研究 |
| |
| 引用本文： | 张科谦,程钢,吴微,宋向阳,张子谦,姚顺,吴帅.融合主被动遥感影像的冬小麦种植面积提取研究[J].河南农业科学,2023(6):160-171. |
| |
| 作者姓名： | 张科谦 程钢 吴微 宋向阳 张子谦 姚顺 吴帅 |
| |
| 作者单位： | 1. 河南理工大学测绘与国土信息工程学院;2. 桂林理工大学测绘地理信息学院;3. 河南科技大学软件学院 |
| |
| 基金项目： | 国家自然科学基金资助项目（41001226）；;中国博士后科学基金项目（2015M582831）； |
| |
| 摘 要： | 为了快速、准确地获取作物分布信息，探索使用主动遥感影像（Sentinel-1A）和被动遥感影像（Sentinel-2）提取冬小麦空间分布的可行性。首先，根据冬小麦的物候特征，合成冬小麦全生育期的Sentinel-1A影像；并依据各类地物的NDVI（归一化植被指数）时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次，设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案，然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明，基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%，提取结果中存在较多的“椒盐”噪声；基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%，提取精度较使用全生育期Sentinel-1A影像有所提高，但分类结果受“异物同谱”的影响，产生许多错分；融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%，相较于仅使用单...
|
| 关 键 词： | 冬小麦 种植面积 GEE Sentinel影像 生育期 随机森林 主动遥感 被动遥感 |
|
|
