农业机械学报

作者：冯权泷，牛博文，朱德海，刘逸铭，欧聪，刘建涛

单位：中国农业大学；自然资源部农用地质量与监控重点实验室,中国农业大学；自然资源部农用地质量与监控重点实验室,中国农业大学；自然资源部农用地质量与监控重点实验室,中国移动通信集团广东有限公司,中国农业大学；自然资源部农用地质量与监控重点实验室,山东建筑大学,

关键词：农田塑料覆被;多源遥感数据;多核主动学习;遥感影像分类

基金：国家自然科学基金项目（42001367）和国家重点研发计划项目（2018YFE0122700）

通过引入多源多时相卫星遥感数据，提出了一种基于多核主动学习的农田塑料覆被分类算法，实现农业塑料大棚和地膜的精准分类。首先基于多时相Sentinel-1雷达和Sentinel-2光学遥感影像，提取其光谱特征、纹理特征等，以构建多维特征空间。然后构建多核学习模型，实现多源、多时相特征的自适应融合。最后构建基于池的主动学习策略，通过引入训练样本的淘汰机制，进一步提升分类模型的泛化能力。试验结果表明，本文所提分类方法的总体精度为95.6%，Kappa系数为0.922，相较经典支持向量机、随机森林、K近邻、决策树、AdaBoost模型，多核学习模型精度提高5.7、12.1、11.4、22.3、10.3个百分点；且在相同分类精度下，主动学习较被动学习可减少一半以上的标签数据；同时相较仅使用单时相及单传感器遥感影像而言，精度分别提高3.7、12.7个百分点。结果表明，多核主动学习能够有效进行多传感器、多时相数据融合，并可以在小样本条件下取得更高的分类精度，从而为农田塑料覆被的遥感监测提供模型参考。

来源：2022年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第2期