文献类型： 中文期刊

作者： 段承君 ¹ ; 杜晓初 ¹ ; 龙慧灵 ¹ ; 梅新 ¹ ; 杨贵军 ² ; 张有智 ³ ;

作者机构： 1.湖北大学资源环境学院

2.农业农村部农业遥感机理与定量遥感重点实验室/北京市农林科学院信息技术研究中心

3.黑龙江省农业科学院

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.