基于面向对象与机器学习融合的南方山区水稻识别研究
王莹莹
段良霞
赵怡凝
孙广睿
杨丽红
周清
谢红霞
湖南农业大学 资源学院,湖南 长沙 410128
摘要：水稻的物候信息随地形的差异而不同,针对南方山区多云多雨、地形复杂的情况,寻找一种合适的水稻识别方法具有一定的研究价值.以湖南省典型山地地形的永顺县为研究区,协同Sentinel-1 SAR和Sentinel-2 MSI数据,结合水稻4个关键物候期影像生成时间序列曲线以掌握水稻生长趋势,使用面向对象方法对移栽期和收割期影像分割,将经过样本特征空间优化算法(FSO)优选的特征变量输入到随机森林(RF)等4种模型中进行分类,并对比结果;之后将水稻样本按移栽先后分为早移、晚移样本,对移栽期和收割期影像重新分类,分析水稻移栽的早晚对该两景影像分类的影响.结果表明,与移栽期影像相比,收割期影像分类精度更好,更适合水稻制图;利用面向对象的FSO-RF模型对收割期影像分类的效果最好,总体精度为93.19%,Kappa系数为0.901.水稻移栽的早晚对收割期影像的分类几乎没有影响,对移栽期影像分类的影响较大,原因是最早移栽的水稻易与部分旱地作物、林地的光谱特征和纹理特征相似,出现混淆错分现象.提高移栽期影像的识别精度,需使用其他指数、纹理特征或进行地物掩膜.
关键词：水稻Sentinel-1/2面向对象多特征优选随机森林移栽期收割期识别
分类号：S127(农业物理学)S511(禾谷类作物)
资助基金：湖南省重点研发计划项目(2023NK2026)
论文发表日期：2025-04-15
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：11( 144-154 )
英文信息