基于GEE联合多特征与随机森林的花生种植信息提取方法研究
史凯旋
杨华东
沈阳理工大学 信息科学与工程学院,辽宁 沈阳 110159
摘要：花生是我国重要的油料作物之一,利用遥感影像对花生种植空间分布进行精确提取,对于维护粮油安全、指导农业生产具有重要意义.以沈阳市康平县为研究区,基于谷歌地球引擎(Google Earth Engine,GEE)平台,使用Sentinel-2多时相遥感影像,构建植被指数特征、纹理特征和物候特征,分别采用基于像元和面向对象的随机森林分类器,实现沈阳市康平县的花生种植信息提取.结果表明,色素指数、纹理特征与物候特征对于分类器的性能都有一定的提升,其中纹理特征对于面向对象的随机森林分类器提升最大,相较于使用光谱+植被指数+色素指数特征,增加纹理特征的总体精度和Kappa系数提升分别达到3.85百分点和0.068 4,基于像元的随机森林分类器也分别提升2.66百分点和0.035 6.在不同的特征组合中,基于像元的随机森林分类器表现要优于面向对象的随机森林分类器,两者取得的最佳总体精度分别为95.28％与92.31％,最优Kappa系数分别为0.908 6与0.860 8.
关键词：花生种植信息谷歌地球引擎随机森林物候特征色素指数纹理特征
分类号：S127(农业物理学)
资助基金：辽宁省博士科研启动基金计划项目(2025-BS-0360)
论文发表日期：2026-05-15
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：9( 146-154 )
英文信息