基于Google Earth Engine的农作物分类研究

• 作者: 李静茹 薛华柱 何湜 马战林
• 来源期刊: 青海科技
• 关键词: 农作物分类 Google Earth Engine Sentintel-1 Sentintel-2 随机森林
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 研究与发展
• 页码范围: 65-71
• 页数: 7页
• 分类号: P237|S502.3
• 语种: 中文

摘要

农作物分类与识别是开展农作物的长势、产量、灾害等相关信息监测的基础,对确保粮食安全、发展社会经济、制定农业政策以及保护生态功能等有重要作用.本文以"原阳大米"之乡河南省原阳县为研究区,基于谷歌地球引擎(Google Earth Engine)云平台,利用随机森林(Random Forest)机器学习算法,通过地面实测数据比较分析了Sentinel-1雷达数据和Sentinel-2光学数据在原阳县秋季农作物分类中的精度.结果表明:多时相的Sentinel-1雷达数据的加入能大大提高农作物的分类精度.基于单时相Sentinel-2光学数据的总体分类精度为87.83％,Kappa系数为0.84;基于多时相Sentinel-1雷达数据的总体分类精度为93.15％,Kappa系数为0.91;基于合成单时相Sentinel-2和多时相Sentinel-1数据的分类精度为96.04％,Kappa系数为0.95％.