| 基于多源光学雷达数据融合的黄淮海平原冬小麦识别 |
| |
| 引用本文： | 冯权泷,任燕,姚晓闯,牛博文,陈泊安,赵圆圆.基于多源光学雷达数据融合的黄淮海平原冬小麦识别[J].农业机械学报,2023,54(2):160-168. |
| |
| 作者姓名： | 冯权泷 任燕 姚晓闯 牛博文 陈泊安 赵圆圆 |
| |
| 作者单位： | 中国农业大学 |
| |
| 基金项目： | 国家超级计算郑州中心创新生态系统建设科技专项（201400210100）和国家自然科学基金项目（42001367） |
| |
| 摘 要： | 遥感技术能够快速准确地获取农作物空间分布信息，为探究2021年黄淮海平原冬小麦空间分布信息，基于Google Earth Engine（GEE）云平台，以Sentinel-1 SAR雷达影像和Sentienl-2光学遥感影像为数据源，通过计算极化特征、光谱特征和纹理特征，运用随机森林等4种机器学习方法和深度循环神经网络模型，对研究区冬小麦空间分布信息进行提取，并对比各分类器和网络架构的分类精度。结果表明，黄淮海平原冬小麦总面积约为16226667hm2，占研究区总面积的49.17%，其中冬小麦种植面积最大的是河南省，约为4647334hm2，研究区冬小麦种植分布呈现由东向西、由南向北递减的趋势；随机森林是4种机器学习方法中识别精度最高的分类器，总体分类精度为94.30%；在随机森林算法中仅使用Sentinel-1雷达数据总体精度为87.38%，仅使用Sentinel-2光学数据总体精度为93.95%，而融合时序Sentinel主被动遥感数据总体精度为94.30%；在大范围的冬小麦分类上，深度学习模型的泛化性高于机器学习方法。
|
| 关 键 词： | 冬小麦 遥感分类 多源数据融合 Google Earth Engine 机器学习 深度学习 |
| 收稿时间： | 2022/3/29 0:00:00 |
Identification of Winter Wheat in Huang-Huai-Hai Plain Based on Multi-source Optical Radar Data Fusion |
| |
| FENG Quanlong,REN Yan,YAO Xiaochuang,NIU Bowen,CHEN Boan,ZHAO Yuanyuan.Identification of Winter Wheat in Huang-Huai-Hai Plain Based on Multi-source Optical Radar Data Fusion[J].Transactions of the Chinese Society of Agricultural Machinery,2023,54(2):160-168. |
| |
| Authors: | FENG Quanlong REN Yan YAO Xiaochuang NIU Bowen CHEN Boan ZHAO Yuanyuan |
| |
| Institution: | China Agricultural University |
| |
| Abstract: | |
| |
| Keywords: | winter wheat remote sensing imagery classification multi-source data fusion Google Earth Engine machine learning deep learning |
|
| 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 |
