«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第51卷

期数:

2023年第21期

页码:

200-208

栏目:

农业工程与信息技术

出版日期:

2023-11-05

文章信息/Info

Title:

Extraction of grain crop based on multidimensional feature optimization and GEE platform—Taking western Liaohe River Basin as an example

作者:

王振兴; 刘东; 王敏

中国科学院大学资源与环境学院，北京100049

Author(s):

Wang Zhenxing; et al

关键词:

西辽河流域; GEE云平台; 多维特征; 作物识别; 种植结构

Keywords:

-

分类号:

S127

DOI:

-

文献标志码:

A

摘要:

快速准确地掌握作物种植类型和布局，对农业生产和管理具有重要意义。选取西辽河流域为研究区，基于Google Earth Engine(GEE)云平台，以Landsat和MODIS影像作为数据源，构建时序NDVI、物候参数、光谱指数、反射率及地形因子等多维特征。分别采用随机森林、支持向量机、分类回归树等方法，对比不同特征和分类器组合，选择优选特征和随机森林分类器，完成西辽河流域玉米、大豆和水稻的提取。结果表明，基于GEE平台可快速构建作物识别的多维特征，进一步利用递归消除随机森林优选特征，当加入重要性前30位特征参数时，总体精度可基本达到最高。选择优选特征组合并基于随机森林模型进行训练分类，可以实现高效率、高精度的作物空间分布制图。在验证指标中总体精度、κ系数、统计R²等验证指标均大于0.9，说明作物识别精度较高。西辽河流域农作物主要沿河流两侧呈条带状分布，玉米是最主要的农作物类型，大豆、水稻种植面积较少。

Abstract:

-

参考文献/References:

［1］史舟，梁宗正，杨媛媛，等. 农业遥感研究现状与展望［J］. 农业机械学报，2015，46(2)：247-260.
［2］何可，宋洪远. 资源环境约束下的中国粮食安全：内涵、挑战与政策取向［J］. 南京农业大学学报(社会科学版)，2021，21(3)：45-57.
［3］唐华俊，吴文斌，杨鹏，等. 农作物空间格局遥感监测研究进展［J］. 中国农业科学，2010，43(14)：2879-2888.
［4］赵子娟，刘东，杭中桥. 作物遥感识别方法研究现状及展望［J］. 江苏农业科学，2019，47(16)：45-51.
［5］Tatsumi K，Yamashiki Y，Canales Torres M A，et al. Crop classification of upland fields using random forest of time-series Landsat 7 ETM+data［J］. Computers and Electronics in Agriculture，2015，115：171-179.
［6］郭昱杉，刘庆生，刘高焕，等. 基于MODIS时序NDVI主要农作物种植信息提取研究［J］. 自然资源学报，2017，32(10)：1808-1818.
［7］宋宏利，雷海梅，尚明. 基于Sentinel2A/B时序数据的黑龙港流域主要农作物分类［J］. 江苏农业学报，2021，37(1)：83-92.
［8］牛乾坤，刘浏，黄冠华，等. 基于GEE和机器学习的河套灌区复杂种植结构识别［J］. 农业工程学报，2022，38(6)：165-174.
［9］杨泽航，王文，鲍健雄. 融合多源遥感数据的黑河中游地区生长季早期作物识别［J］. 地球信息科学学报，2022，24(5)：996-1008.
［10］朱梦豪，李国清，彭壮壮. 特征优选下的农作物遥感分类研究［J］. 测绘科学，2022，47(3)：122-128.
［11］刘戈，姜小光，唐伯惠. 特征优选与卷积神经网络在农作物精细分类中的应用研究［J］. 地球信息科学学报，2021，23(6)：1071-1081.
［12］Ji S P，Zhang C，Xu A J，et al. 3D convolutional neural networks for crop classification with multi-temporal remote sensing images［J］. Remote Sensing，2018，10(2)：75.
［13］王德军，姜琦刚，李远华，等. 基于Sentinel-2 A/B时序数据与随机森林算法的农耕区土地利用分类［J］. 国土资源遥感，2020，32(4)：236-243.
［14］Amani M，Ghorbanian A，Ali Ahmadi S，et al. Google earth engine cloud computing platform for remote sensing big data applications：a comprehensive review［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2020，13：5326-5350.
［15］张紫荆，华丽，郑萱，等. 基于GEE平台与Sentinel-NDVI时序数据江汉平原种植模式提取［J］. 农业工程学报，2022，38(1)：196-202.
［16］黄波. 时空遥感影像融合研究的进展与趋势［J］. 四川师范大学学报(自然科学版)，2020，43(4)：427-434，424.
［17］刘建波，马勇，武易天，等. 遥感高时空融合方法的研究进展及应用现状［J］. 遥感学报，2016，20(5)：1038-1049.
［18］Chen Y，Cao R Y，Chen J，et al. A practical approach to reconstruct high-quality Landsat NDVI time-series data by gap filling and the Savitzky-Golay filter［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2021，180：174-190.
［19］周玉科. 基于遥感的中国东北植被物候不对称特征分析［J］. 遥感技术与应用，2019，34(2)：345-354.
［20］项铭涛，卫炜，吴文斌. 植被物候参数遥感提取研究进展评述［J］. 中国农业信息，2018，30(1)：55-66.
［21］张馨予，蔡志文，杨靖雅，等. 时序滤波对农作物遥感识别的影响［J］. 农业工程学报，2022，38(4)：215-224.
［22］刘杰，刘吉凯，安晶晶，等. 基于时序Landsat 8 OLI多特征与随机森林算法的作物精细分类研究［J］. 干旱地区农业研究，2020，38(3)：281-288，298.
［23］丁世飞，齐丙娟，谭红艳. 支持向量机理论与算法研究综述［J］. 电子科技大学学报，2011，40(1)：2-10.

相似文献/References:

备注/Memo

备注/Memo:

收稿日期：2023-02-21
基金项目：国家自然科学基金(编号：41671525)。
作者简介：王振兴(1998—)，男，山东东营人，硕士研究生，从事农作物遥感识别研究。E-mail：wangzhenxing20@mails.ucas.ac.cn。
通信作者：刘东，博士，副教授，从事资源环境遥感与区域发展研究。E-mail：lldking@ucas.ac.cn。

常用功能

更新日期/Last Update: 2023-11-05