基于Sentinel-2影像的西南山区不同生长期水稻识别

S127%TP75; 山区水稻种植呈现破碎分散的特点,中低分辨率的遥感影像分类效果不甚理想,需要寻找适用于山区水稻提取的遥感数据源和监测方法;水稻在不同生长阶段有不同的形态特征,适用的分类特征与得出的分类结果显然不同.该研究以Sentinel-2影像为数据源,对不同生长阶段的水稻进行提取.选取波段特征、植被指数、红边指数、水体指数、地形特征、纹理特征等58个分类特征,运用SEaTH算法进行筛选后,采用随机森林分类法进行分类,并构建误差矩阵比较分类结果.结果表明,分类特征经过筛选后,数量分别为发育期16个、生长期13个、成熟期12个;分类结果进行精度验证后,用户精度分别为发育期0.93、生长期0...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 7; pp. 192 - 199
Main Authors 陈安旭, 李月臣
Format Journal Article
LanguageChinese
Published 重庆师范大学地理与旅游学院,重庆 401331 01.04.2020
GIS应用研究重庆市高校重点实验室,重庆 401331%西南大学地理科学学院遥感大数据应用重庆市工程研究中心,重庆 400715
重庆金佛山喀斯特生态系统教育部野外科学观测研究站,重庆 400715
Subjects
特征优选
水稻
随机森林算法
生长
Sentinel-2
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.07.022

Cover

More Information
Summary:S127%TP75; 山区水稻种植呈现破碎分散的特点,中低分辨率的遥感影像分类效果不甚理想,需要寻找适用于山区水稻提取的遥感数据源和监测方法;水稻在不同生长阶段有不同的形态特征,适用的分类特征与得出的分类结果显然不同.该研究以Sentinel-2影像为数据源,对不同生长阶段的水稻进行提取.选取波段特征、植被指数、红边指数、水体指数、地形特征、纹理特征等58个分类特征,运用SEaTH算法进行筛选后,采用随机森林分类法进行分类,并构建误差矩阵比较分类结果.结果表明,分类特征经过筛选后,数量分别为发育期16个、生长期13个、成熟期12个;分类结果进行精度验证后,用户精度分别为发育期0.93、生长期0.88、成熟期0.85,水稻发育期为提取水稻的最佳时期.Sentinel-2影像和随机森林方法可作为理想的数据源和监测方法用于山区水稻时空信息的提取.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.07.022