农业机械学报

作者：马战林，刘昌华，薛华柱，李静茹，房旭，周俊利

单位：河南理工大学,河南理工大学,河南理工大学,河南理工大学,河南省遥感测绘院,河南省遥感测绘院,

关键词：冬小麦;种植面积识别;谷歌地球引擎;Sentinel卫星;随机森林

基金：国家自然科学基金项目(51779099)、国家自然科学基金面上项目（41721333）、河南省科技攻关重点项目（192102310270）和河南理工大学博士基金项目（B2017-09）

遥感技术已成为大宗作物种植面积提取的有效手段。为避免冬小麦提取中受光学数据缺乏的影响，基于随机森林算法（RF）和Google Earth Engine（GEE）云平台，探索时间序列Sentinel-1合成孔径雷达（SAR）数据后向散射系数对冬小麦提取效果，并融合Sentinel-1、2主被动遥感数据，研究后向散射系数、光谱特征、植被指数特征与纹理特征的不同组合对冬小麦识别精度的改善情况。结果表明：仅融合多时相Sentinel-1 SAR数据时，分类总体精度为85.93%，Kappa系数为0.75，冬小麦识别精度达到95%以上。融合多时相SAR数据与单时相光学数据，在充分利用极化信息和光谱信息进行分类后，分类总体精度为95.78%,Kappa系数为0.92，比多时相SAR分类结果分别提高9.85个百分点和约22.67%，对冬小麦的识别精度提高约2个百分点。通过分析不同特征组合情况下纹理特征对分类的影响，发现纹理特征对冬小麦的识别精度影响程度较小。

来源：2021年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第9期