文献类型： 中文期刊

作者： 张东彦 ¹ ; 戴震 ¹ ; 徐新刚 ¹ ; 杨贵军 ¹ ; 孟炀 ¹ ; 冯海宽 ¹ ; 洪琪 ¹ ; 姜飞 ¹ ;

作者机构： 1.安徽大学农业生态大数据分析与应用技术国家地方联合工程技术研究中心;北京农业信息技术研究中心;宿州学院信息工程学院

关键词： 随机森林算法;近红外波段;时间序列;Sentinel-2;作物分类

期刊名称： 红外与激光工程

ISSN： 1007-2276

年卷期： 2021 年 05 期

页码： 262-272

收录情况： EI ; 北大核心 ; CSCD

摘要： 快速、准确地掌握作物空间分布,估算不同作物种植面积及范围,这对制定宏观农业政策并指导农民进行农业生产具有重要意义。以我国内蒙古自治区扎赉特旗现代农业示范园区为研究区域,基于2019年5月至10月共9景多时相Sentinel-2卫星遥感影像,通过计算并分析不同作物归一化差值植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)等多种典型植被指数和近红外波段Ref(NIR)的时序变化特征,采用随机森林(Random Forest, RF)、决策树(Decision Tree, DT)、支持向量机(Support Vector Machine, SVM)和最大似然法(Maximum Likelihood, ML)4种分类方法对研究区多种作物进行分类识别,成功提取园区内主要作物(水稻、玉米、甜叶菊、旱稻和大豆等)空间分布情况。将RF结果与DT、SVM和ML分类结果对比,结果显示,RF总体分类精度最高,达到95.8%,Kappa系数为0.944;DT、SVM和ML分类精度分别为92.2%、91.6%和86.5%。上述研究结果表明,多时相Sentinel-2遥感影像经过光谱指数时序变化特征提取后,利用随机森林算法进行作物分类可得到精度较高的结果,这为精细指导规模化园区农业生产提供了有效的技术支持。