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 |
|
|