基于阈值特征-机器学习的青铜峡灌区多年种植结构识别
余午阳1
王一博1
陈新国2
黄权中3
黄冠华3
1.中国农业大学水利与土木工程学院,北京 1000832.中国农业大学水利与土木工程学院,北京 100083;中国农业大学中国水问题研究中心,北京 1000833.中国农业大学水利与土木工程学院,北京 100083;中国农业大学中国水问题研究中心,北京 100083;中国-以色列国际农业研究培训中心,北京 100083
摘要：[目的]基于阈值特征-随机森林算法对青铜峡灌区多年种植结构进行识别.[方法]以青铜峡灌区为研究对象,在实地调研和目视解译的基础上,基于谷歌地球引擎(Google Earth Engine)平台,采用阚值特征-随机森林方法识别2013-2020年青铜峡灌区主要粮食作物(春小麦、春玉米、水稻)的种植结构.[结果]阈值特征-随机森林算法能够用于干旱灌区多年种植结构识别,总体分类精度为0.88,Kappa系数为0.76.春小麦、春玉米、水稻的遥感提取面积与统计种植面积之间的线性拟合决定系数(R2)分别为0.80、0.93和0.86;2013-2020年作物种植面积由大到小分别为春玉米＞水稻＞春小麦,春玉米种植面积呈持续上升趋势,春小麦种植面积呈先升高后下降的变化趋势,水稻种植面积呈下降趋势;春玉米主要集中在灌区的北部和南部,种植区域呈南移趋势;春小麦主要集中在灌区的中部和南部,水稻主要集中在灌区中部地区,种植区域呈向北迁移的趋势.[结论]阈值特征-随机森林算法能够较好地适用于干旱灌区多年种植结构的识别,为长时间序列种植结构识别提供了新方法和思路.
关键词：种植结构特征指数随机森林青铜峡灌区粮食作物
分类号：F326.1(中国农业经济)
资助基金：国家自然科学基金(U2243217)国家自然科学基金(52220105007)国家级大学生创新创业训练计划项目(202210019041)
论文发表日期：2023-12-28
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 28-35 )
英文信息