基于多源遥感数据融合和LSTM算法的作物分类研究

• 作者: 张永清 柴旭荣 荀兰 解毅
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 作物 遥感 分类 数据融合 物候特征 长短时记忆网络 神经网络
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 129-137
• 页数: 9页
• 分类号: S127
• 字数: 7668字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.15.017

摘要

准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义.为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI.基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neural network,NN)算法进行作物分类,并对比3种方法的分类精度.结果表明,Savitzky-Golay滤波后的时序MODIS NDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于Landsat NDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显著提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法.该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永清	山西师范大学地理科学学院	179	2080	25.0	37.0
2	柴旭荣	山西师范大学地理科学学院	26	56	4.0	7.0
3	解毅	山西师范大学地理科学学院	1	1	1.0	1.0
4	荀兰	中国科学院空天信息研究院	1	1	1.0	1.0