基于Sentinel数据与多特征学习的大豆种植面积提取

文献类型： 中文期刊

第一作者： 段承君

作者： 段承君;杜晓初;龙慧灵;梅新;杨贵军;张有智

作者机构：

关键词： 大豆;种植面积;机器学习;Google Earth Engine

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2024 年 36 卷 003 期

页码： 120-134

摘要： [目的]大豆是中国重要的粮油兼用作物,是优质蛋白的主要来源.及时准确地获取大豆的种植面积,对评估大豆振兴计划实施效果及后续政策的制定具有重要意义.[方法]文章以黑龙江省黑河市为研究区,基于Google Earth Engine平台,利用多生育期Sentinel-2A、SRTM(Shuttle Radar Topography Mission)等数据,构建经特征优选后的光谱特征、植被指数特征、纹理特征和地形特征等多特征数据集,并对比分析随机森林(Random Forest,RF)、分类与回归树(Classification and Regression Tree,CART)、支持向量机(Support Vector Machine,SVM)等算法,选择效果最佳算法对2019-2021年黑河市大豆种植面积进行提取分析,实现大豆种植面积的区域制图.[结果](1)经特征优选后,共11个特征对大豆、水稻、玉米有较好的区分度.(2)对比不同生育期遥感影像进行面积提取的结果,鼓粒期效果最佳.(3)对比不同的特征学习方法,随机森林算法在大豆鼓粒期的面积提取结果最佳.(4)以县级乡镇区划为最小统计单元,2019-2021年黑河市大豆种植面积分别为93.67万hm2、159.62万hm2、133.54万hm2.[结论]大豆种植面积先增加后减少,种植空间分布从分散的大田种植转向集中.基于Sentinel数据与多特征学习的方法能够快速、准确地提取大豆的种植面积,有助于准确掌握大豆的种植情况,为大豆的种植与管理提供依据.

分类号：

  • 相关文献

[1]基于Micro-CT分析大豆种子结构表型及构建种子重量预测模型. 刘长斌,李远鲲,郭民坤,樊江川,郭新宇,卢宪菊. 2025

[2]河北省药食同源大豆产业发展现状及对策. 胡春芳,李敏,冯改静. 2019

[3]成本收益视角下黑龙江省种植结构调整效益分析. 赵星棋,郭泰,王志新,郑伟,李灿东,赵海红,徐杰飞,郭美玲. 2021

[4]遥感技术在黑龙江省大豆种植面积监测中的应用. 辛蕊,刘洋,付斌,吕志群,国殿波,孙兆丽. 2011

[5]基于遥感方法的黑龙江省海伦市大豆种植面积变化及驱动力分析. 辛蕊. 2024

[6]辽宁省大豆种植情况变化分析. 韩爱民. 2024

[7]基于GEE云平台与Sentinel数据的高分辨率水稻种植范围提取-以湖南省为例. 桑国庆,唐志光,毛克彪,邓刚,王靖文,李佳. 2022

[8]基于多时相遥感植被指数的柑橘果园识别. 梁晨欣,黄启厅,王思,王聪,余强毅,吴文斌. 2021

[9]基于GEE的郑州市洪水监测及生态影响评估. 李勇永,郭涛,张晓萍,王学恭. 2022

[10]基于Sentinel-1/2数据的中国南方单双季稻识别结果一致性分析. 杨靖雅,胡琼,魏浩东,蔡志文,张馨予,宋茜,徐保东. 2022

[11]东北三省2020-2022年间10 m空间分辨率耕地资源空间分布数据集. 申格,刘航,李丹丹,陈实,邹金秋. 2023

[12]基于遥感的阿鲁科尔沁旗人工饲草面积及生产经济变化分析. 秦琪,魏一博,梁庆伟,马磊超,徐大伟,沈贝贝,侯路路,辛晓平. 2023

[13]基于GEE的黄河上游生态环境质量动态监测与评价:以龙羊峡至积石峡段为例. 周喆,胡夏嵩,刘昌义,付江涛,赵吉美,邢光延,何伟鹏. 2023

[14]基于物候特征的时序SAR水稻指数构建及验证. 张倬,杨娜,钱金良,陈升东,廖珩淞,保蕴珂. 2024

[15]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[16]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[17]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[18]基于图像特征的水稻叶片全氮含量估测模型研究. 杨红云,罗建军,孙爱珍,万颖,易文龙. 2020

[19]基于机器学习的高分辨率遥感影像农业大棚提取. 马海荣,罗治情,陈聘婷,官波. 2020

[20]多源遥感数据特征优选的大兴安岭沿麓不同农作物提取. 于利峰,乌兰吐雅,李继辉,于伟卓,敦惠霞. 2020

作者其他论文 更多>>

微信小程序