[1]韩新星,李大军,聂泽栋,等.一种集成云计算和深度神经网络的水稻分类方法[J].江苏农业科学,2026,54(11):205-214.
　Han Xinxing,et al.A paddy rice classification method integrating cloud computing and deep neural networks[J].Jiangsu Agricultural Sciences,2026,54(11):205-214.
点击复制

一种集成云计算和深度神经网络的水稻分类方法()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第54卷
期数:
2026年第11期
页码:
205-214
栏目:
农业工程与信息技术
出版日期:
2026-06-05

文章信息/Info

Title:
A paddy rice classification method integrating cloud computing and deep neural networks
作者:
韩新星1;  李大军2;  聂泽栋1;  储云志1;  余美2;  刘波2
1.安徽省地质测绘技术院，安徽合肥 230022； 2.东华理工大学测绘与空间信息工程学院，江西南昌 330013
Author(s):
Han Xinxing; et al
关键词:
水稻分类; 遥感云计算; 深度神经网络; 随机森林; 哨兵数据
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
针对传统水稻遥感分类依赖本地数据处理与单一机器学习算法，难以在大尺度范围兼顾分类精度与效率问题，提出一种依托云平台的随机森林(random frorest，RF)与深度神经网络(deep neural network，DNN)集成分类方法，以缓解光谱混淆与空间异质性对分类精度的影响，提升复杂与破碎化地块的水稻识别精度与处理效率。以安徽省肥东县为研究区，基于Google Earth Engine和Google Colab云平台获取并处理2023年6—10月哨兵1号VV/VH极化数据与哨兵2号多光谱数据，利用曲线曲率法进行物候分析选取关键时相，提取光谱特征、5种植被指数及雷达极化特征，构建多维特征空间。并结合随机森林特征筛选和深度神经网络模型，构建RF+DNN算法对研究区水稻信息进行精准提取。结果表明，RF+DNN的总体精度(OA)达92.26%，较RF、DNN、XGBoost和LSTM提升3.51~5.40百分点；kappa系数为0.90，较对比算法提升 0.04~0.07。此外，水稻用户精度达90.42%，高于对比算法3~9百分点。对于易混淆地物草地和其他作物，RF+DNN的生产者精度分别为81.55%、81.90%，均优于对比算法。与单独使用DNN算法相比，本研究算法的训练时间由25 min 10 s缩短至12 min 6 s(缩短约51%)，预测时间由34 s降至8 s(缩短约76%)。RF+DNN云端集成方法在多时相、多源数据条件下，能够显著提升复杂与破碎化地块的水稻分类精度与处理效率，具备推广应用潜力，可为精准农业和粮食安全监测提供技术借鉴。
Abstract:
-

参考文献/References:

［1］章家恩，韦生宝，刘兴，等. 稻渔综合种养研究进展与展望［J］. 华南农业大学学报，2024，45(6)：812-824.
［2］徐慧，米晓飞，曹维佳，等. 2020年长江沿岸(江苏段)水稻种植区数据集［J］. 中国科学数据(中英文网络版)，2023，8(3)：363-374.
［3］张海东，田婷，张青，等. 基于GF-1影像的耕地地块破碎区水稻遥感提取［J］. 遥感技术与应用，2019，34(4)：785-792.
［4］赵柄婷，华传海，叶晨洋，等. 水稻生产遥感监测与智慧决策研究进展［J］. 智慧农业(中英文)，2025，7(2)：1-16.
［5］于飞，吕争，隋正伟，等. 基于特征优选的多时相SAR数据水稻信息提取方法［J］. 农业机械学报，2023，54(3)：259-265.
［6］余梦， 李阳兵， 罗光杰，等. 中国西南山区稻作梯田的时空演化：以苗岭西江镇和加榜乡为例［J］. 地理研究，2022，41(8)：2184-2202.
［7］Dong J，Xiao X，Kou W，et al. Tracking the dynamics of paddy rice planting area in 1986—2010 through time series Landsat images and phenology-based algorithms［J］. Remote Sensing of Environment，2015，160：99-113.
［8］高心怡，池泓，黄进良，等. 水稻遥感制图研究综述［J］. 遥感学报，2024，28(9)：2144-2169.
［9］Xu S，Zhu X，Chen J，et al. A robust index to extract paddy fields in cloudy regions from SAR time series［J］. Remote Sensing of Environment，2023，285：113374.
［10］曾学亮，郭熙，钟亮，等. 基于多源遥感特征融合与卷积神经网络(CNN)的丘陵地区水稻识别［J］. 江苏农业学报，2024，40(1)：93-102.
［11］乔树亭，叶回春，黄文江，等. 基于哨兵1/2号影像的水稻种植面积提取方法研究：以三江平原为例［J］. 遥感技术与应用，2023，38(1)：78-89.
［12］Yao J，Wu J，Xiao C，et al. The classification method study of crops remote sensing with deep learning，machine learning，and Google Earth Engine［J］. Remote Sensing，2022，14(12)：2758.
［13］李洋，吴晓群. 面向RGB-D图像的多层特征提取算法综述［J］. 中国图象图形学报，2024，29(5)：1346-1363.
［14］谭深，吴炳方，张鑫.基于Google Earth Engine与多源遥感数据的海南水稻分类研究［J］. 地球信息科学学报，2019，21(6)：937-947.
［15］左小康，刘嘉骏，冯胜梅，等. 基于GEE云平台的三江平原水稻种植区作物提取与监测研究［J］. 遥感技术与应用，2024，39(5)：1284-1294.
［16］Jiang D，Chen S，Useya J，et al. Crop mapping using the historical crop data layer and deep neural networks：a case study in Jilin Province，China［J］. Sensors (Basel)，2022，22(15)：5853.
［17］蔡耀通，刘书彤，林辉，等. 基于多源遥感数据的CNN水稻提取研究［J］. 国土资源遥感，2020，32(4)：97-104.
［18］伍露露. 基于系统动力学的肥东县水资源承载力量质要素动态预测及调控研究［D］. 合肥：合肥工业大学，2019.
［19］丁琪洵. 基于GEE与多源遥感的稻田耕地质量等级预测研究［D］. 合肥：安徽农业大学，2023.
［20］Ma X，Huang Z，Zhu S，et al. Rice planting area identification based on multi-temporal sentinel-1 SAR images and an attention U-net model［J］. Remote Sensing，2022，14(18)：4573.
［21］Breiman L. Random forests［J］. Machine Learning，2001，45：5-32.
［22］Liu W，Wang Z，Liu X，et al. A survey of deep neural network architectures and their applications［J］. Neurocomputing，2017，234：11-26
［23］冯健昭，潘永琪，熊悦淞，等. 基于mRMR-XGBoost的水稻关键生育期识别［J］. 农业工程学报，2024，40(15)：111-118.
［24］戴臻，费洪晓. 基于CNN-XGBoost模型的多类型棉花叶片病害识别［J］. 江苏农业科学，2024，52(13)：205-213.
［25］叶晋利. 深度学习下的水稻产量预测研究与信息系统构建［D］. 南京：南京林业大学，2024：1-64.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2025-08-31
基金项目：国家自然科学基金(编号：42161064)；江西省自然科学基金(编号：20212BAB204003、20242BAB20129)；江西省教育厅科学技术研究项目(编号：GJJ2200744)；赣鄱俊才支持计划——主要学科学术和技术带头人培养项目(编号：20243BCE51111)。
作者简介：韩新星(1997—)，男，安徽安庆人，硕士，助理工程师，主要从事资源环境遥感研究。E-mail：h1134282984@126.com。
通信作者：李大军，博士，教授，主要从事遥感图像处理研究。E-mail：djli@ecut.edu.cn。
更新日期/Last Update: 2026-06-05