基于阈值特征-机器学习的青铜峡灌区多年种植结构识别

• Published in: Guanʻgai paishui xuebao Vol. 42; no. 12; pp. 28 - 35
• Main Authors: YU, Wuyang, WANG, Yibo, CHEN, Xinguo, HUANG Quanzhong, HUANG, Guanhua
• Format: Journal Article
• Language: Chinese
• Published: Xinxiang City Chinese Academy of Agricultural Sciences (CAAS) Farmland Irrigation Research Institute Editorial Office of Journal of Irrigation and Drainage 01.12.2023; 中国农业大学水利与土木工程学院,北京 100083%中国农业大学水利与土木工程学院,北京 100083; 中国农业大学中国水问题研究中心,北京 100083%中国农业大学水利与土木工程学院,北京 100083; 中国-以色列国际农业研究培训中心,北京 100083; 中国农业大学中国水问题研究中心,北京 100083
• Subjects: Agricultural management; Arid regions; Arid zones; Classification; Corn; Crops; Cultivation; Data analysis; Grain cultivation; Irrigation; Irrigation districts; Machine learning; Plant extracts; Planting; Remote sensing; Rice; Spring wheat; Surveys; Visual fields; Visual thresholds; Wheat; characteristic index; 青铜峡灌区; 随机森林; 种植结构; grain crop; 粮食作物; random forest; Qingtongxia irrigation district; 特征指数; crop structure
• ISSN: 1672-3317
• DOI: 10.13522/j.cnki.ggps.2023251

【目的】基于阈值特征-随机森林算法对青铜峡灌区多年种植结构进行识别。【方法】以青铜峡灌区为研究对象，在实地调研和目视解译的基础上，基于谷歌地球引擎（Google Earth Engine）平台，采用阈值特征-随机森林方法识别2013—2020年青铜峡灌区主要粮食作物（春小麦、春玉米、水稻）的种植结构。【结果】阈值特征-随机森林算法能够用于干旱灌区多年种植结构识别，总体分类精度为0.88，Kappa系数为0.76。春小麦、春玉米、水稻的遥感提取面积与统计种植面积之间的线性拟合决定系数（R2）分别为0.80、0.93和0.86；2013—2020年作物种植面积由大到小分别为春玉米>水稻>春小麦，春玉米种植面积呈持续上升趋势，春小麦种植面积呈先升高后下降的变化趋势，水稻种植面积呈下降趋势；春玉米主要集中在灌区的北部和南部，种植区域呈南移趋势；春小麦主要集中在灌区的中部和南部，水稻主要集中在灌区中部地区，种植区域呈向北迁移的趋势。【结论】阈值特征-随机森林算法能够较好地适用于干旱灌区多年种植结构的识别，为长时间序列种植结构识别提供了新方法和思路。