融合主被动遥感影像的冬小麦种植面积提取研究
张科谦1
程钢1
吴微2
宋向阳1
张子谦3
姚顺1
吴帅1
1.河南理工大学 测绘与国土信息工程学院,河南 焦作 4540032.桂林理工大学 测绘地理信息学院,广西 桂林5410003.河南科技大学 软件学院,河南 洛阳 471003
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%,相较于仅使用单一数据源,冬小麦分类精度有不同程度的提升.
关键词：冬小麦种植面积GEESentinel影像生育期随机森林主动遥感被动遥感
分类号：S127(农业物理学)
资助基金：国家自然科学基金(41001226)中国博士后科学基金(2015M582831)河南省高校基本科研业务费专项资金资助项目(NSFRF180329)
论文发表日期：2023-06-15
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：12( 160-171 )
英文信息