基于特征优选的北疆典型区域非农化遥感监测

• Published in: 农业工程学报 Vol. 40; no. 5; pp. 275 - 286
• Main Authors: 曹宇娟, 戴建国, 张国顺, 夏明辉, 赵庆展, 穆正阳, 许淼淼
• Format: Journal Article
• Language: Chinese
• Published: 兵团空间信息工程技术研究中心,石河子 832003 01.03.2024; 石河子大学信息科学与技术学院,石河子 832003
• Subjects: 特征优选; 耕地; non-agriculturalization; Sentinel-2; cultivated land; remote sensing; 非农化; 遥感; feature selection
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202308171

S29; 该研究旨在准确把握耕地"非农化"的时空格局,为制定合理的土地利用和耕地保护政策提供重要依据.随着特征提取技术和分类算法的进步,利用遥感影像进行大规模耕地动态监测变得更加准确和高效.该研究选用Sentinel-2卫星影像,探讨了不同算法和特征变量在耕地非农化监测中的优势.首先提取了 4类特征共计31个指标,并通过主成分分析(principipal component analysis,PCA)和相关系数矩阵进行特征优选,获得了 12个关键指标,并设计了 5种特征组合方案.随后,采用7种基础算法执行影像分类,并通过"单阶段"和"二阶段"两种分类策略,提取耕地"非农化"信息.研究结果表明,有效选择多种特征变量和算法对于提高监测精度至关重要.在所有测试的模型中,采用Softmax构建的二阶段模型精度最高,最优特征组合为光谱特征+光谱指数特征+纹理特征,特征变量维度减少至12个.总体精度、平均用户精度、平均生产者精度和Kappa系数分别达到94.92％、95.16％、93.15％和0.88.对比2020年和2022年研究区数据发现,耕地转变为非农化用地的面积为146.153 km2,而非农化用地转变为耕地的面积为123.074 km2,导致耕地净减少23.079 km2.综上所述,该研究提出的耕地"非农化"监测方法可以为相关的地物信息提取和耕地资源保护与可持续利用等研究提供技术支持和方法参考.