农业机械学报

作者：李恒凯，王洁，周艳兵，龙北平

单位：江西理工大学,江西理工大学,北京市农林科学院,江西地质局,

关键词：油茶;种植区提取;Sentinel-1;Sentinel-2;特征优选;累计差;ReliefF算法

基金：江西省自然科学基金项目（20232ACB203025）、江西省高校人文社科研究项目（JC21123）、自然资源部重点实验室开放基金项目（MEMI-2021-2022-10）和江西省自然科学基金青年项目（20224BAB213038）

油茶作为江西省经济林树种之一，也是江西省特色优势产业，准确获取其空间分布在产量估算、生产管理和政策制定等方面具有重要意义。本研究针对南方多云多雨气候导致光学影像不足，以及丘陵山区地形破碎问题，以江西省宜春市袁州区为研究区，采用时序Sentinel系列影像数据和SRTM DEM数据为数据源，构建和优选了光谱特征、植被-水体指数、红边指数、雷达特征、地形特征和纹理特征共125个特征变量，其中，纹理特征采用累计差法(Δf)对比15种不同尺度窗口，计算Sentinel-1和Sentinel-2影像最佳纹理特征。基于ReliefF特征优选算法和随机森林分类算法，设计了8种特征组合方案开展实验，探讨不同特征类型对油茶提取精度的影响。结果表明：利用累计差法计算出的Sentinel-1和Sentinel-2的最佳纹理特征窗口尺寸均为35×35，最佳纹理特征组合为均值(Mean)、方差(Variance)和对比度(Contrast)；在光谱特征、植被-水体指数的基础上加入不同特征对油茶进行分类，不同类型特征对油茶提取的有利程度由大到小依次为S2纹理特征、S1纹理特征、地形特征、雷达特征、红边指数，相比于单一光谱和指数特征，纹理特征的加入可大幅度提高分类精度。多特征协同分类结果优于单特征分类结果，基于特征优选的油茶提取精度最高；基于ReliefF算法特征优选后的方案精度最高，总体精度为88.29%，Kappa系数为0.81。本研究利用时序Sentinel系列遥感影像和DEM地形数据，构建了针对多云雨南方丘陵山区的大范围油茶遥感提取方法，可为中国南方丘陵区域油茶资源调查与监测提供参考。

来源：2024年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第7期