基于HJ-2 CCD影像的耕地破碎区油菜种植信息提取
张萌1
徐祥1
王状2
王杰1
1.安徽省灾害预警和农业气象信息中心,安徽 合肥 230031;大气科学与卫星遥感安徽省重点实验室,安徽 合肥 230031;寿县国家气候观象台,中国气象局淮河流域典型农田生态气象野外科学试验基地,寿县国家综合气象观测专项试验外场,安徽 寿县 2322002.大气科学与卫星遥感安徽省重点实验室,安徽 合肥 230031;寿县国家气候观象台,中国气象局淮河流域典型农田生态气象野外科学试验基地,寿县国家综合气象观测专项试验外场,安徽 寿县 232200;安徽省气象科学研究所,安徽 合肥 230031
摘要：由于耕地破碎区农田景观格局多样、作物种植结构复杂、地块零散且不规整,使用中低空间分辨率遥感影像容易出现严重的混合像元现象,难以获得高精度的农作物种植信息.高空间分辨率遥感影像的普及使用改善了这种情况,提高了耕地破碎区的农作物识别精度,但目前针对油菜的高空间分辨率遥感影像种植提取研究仍较少,已有识别方法存在数据处理量大、过程复杂的问题.针对此,以安徽省枞阳县为研究区,基于空间分辨率与光谱波段双提升的HJ-2 CCD影像,提出一种利用油菜开花期的关键物候期影像植被指数构建衍生光谱特征集、联合Bagging集成策略和最小马氏距离分类器的快速有效的耕地破碎区油菜识别模型.结果表明,与RAW(原生光谱波段)+SVM(支持向量机)、RAW+RF(随机森林)、RAW+Bagging-MMDC(Bagging集成最小马氏距离分类器)、VI(植被指数特征集)+SVM、VI+RF5种其他典型模型方法相比,所提出模型VI+Bagging-MMDC的地物分类和油菜提取效果最好,总体精度、Kappa系数、油菜的用户精度、油菜的生产者精度分别为94.27%、0.93、98.59%、97.21%;与统计数据相比,所提出模型的总面积精度达到92.80%,相对误差为7.20%,种植分布与真实油菜地块吻合度高,可以满足实际应用需求;红边信息的引入使总体精度、Kappa系数、油菜的用户精度分别提高2.40百分点、0.03、4.94百分点.油菜开花期关键性植被指数、Bagging集成策略、最小马氏距离分类器以及红边信息的结合使用可以有效提高耕地破碎区作物的提取精度.
关键词：油菜种植信息提取集成学习最小马氏距离分类器植被指数红边信息环境二号卫星耕地破碎区
分类号：S127(农业物理学)
资助基金：安徽省自然科学基金江淮气象联合基金项目(2208085UQ04)安徽省气象局创新发展专项(CX202303)
论文发表日期：2025-07-15
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( 170-180 )
英文信息