农业机械学报

作者：赵文举，李聪聪，马宏，曾凯

单位：兰州理工大学,兰州理工大学,兰州理工大学,兰州理工大学,

关键词：干旱区;水体提取; Sentinel-2卫星; 超分辨率重建; 超像素分割

基金：国家自然科学基金面上项目(52379042)、甘肃省东西协作专项（23CXNA0025）和甘肃省重点研发计划项目（23YFFA0019）

针对干旱区复杂环境下水体光谱特性空间差异大、水体提取方法适用性差的问题，本研究基于Sentinel-2卫星多光谱数据，通过超分辨率算法重建10m空间分辨率多光谱影像，将短波红外（Short-wave infrared，SWIR）重建波段、近红外（Near-infrared，NIR）重建波段作为水体识别特征波段，在此基础上采用超像素分割算法识别水体像元，基于24种光谱指数、支持向量机（Support vector machine，SVM）、神经网络（Neural network，NN）、K-means共构建60种水体提取方法，采用总体精度（Overall accuracy，OA）、准确率（Precision）、F1值、马修斯相关系数（Matthews correlation coefficient，MCC）等水体提取精度指标进行综合评价，以黑河流域为典型研究区，确定干旱区最佳水体提取方法。结果表明，基于Sentinel-2绿色波段（中心波长为560nm）与超分辨率重建短波红外波段（中心波长为1610nm）构建的改进的归一化水体指数方法，显著增强水体提取时对干旱区细小水体、阴影、云层像元识别能力，水体提取总体精度为99.81%，准确率为92.04%，F1值为88.02%，G-mean、马修斯相关系数均大于0.88，水体提取精度优于其他方法。研究结果可快速精准地提取干旱区水体，为干旱区水体应用领域提供理论支持。

来源：2023年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第10期