基于主被动遥感数据和面向对象的大蒜识别

• 作者: 马战林 薛华柱 刘昌华 李长春 房旭 周俊利
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 遥感 谷歌地球引擎 Sentinel卫星 随机森林 面向对象 大蒜
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 农业信息与电气技术|Agricultural Information and Electrical Technologies
• 页码范围: 210-222
• 页数: 13页
• 分类号: TP79|S127
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2022.02.024

摘要

针对开封市大蒜种植破碎化程度高,光学数据难以高精度、快速提取问题.该研究基于谷歌地球引擎(Google EarthEngine,GEE)云平台、随机森林算法(Random Forest,RF)和面向对象方法,选择融合Sentinel-1卫星的后向散射系数与Sentinel-2卫星的光谱、光谱指数及纹理特征,分别应用10 m与加入植被红边波段的20 m空间分辨率遥感数据,探究不同特征组合对改善大蒜识别精度的性能.结果表明:应用10 m空间分辨率的Sentinel主被动遥感数据,在简单非迭代聚类(Simple Non-iterative Clustering,SNIC)分割尺度为5,灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.54％、0.93,大蒜的制图精度和用户精度为97.83％、96.38％.应用加入植被红边波段的20m空间分辨率Sentinel主被动遥感数据,在SNIC分割尺度为3,GLCM邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.14％、0.92,大蒜的制图精度和用户精度为95.72％、98.81％.单独使用Sentinel-2光学数据,加入植被红边波段的20 m分辨率数据相对10 m分辨率数据,大蒜制图精度和用户精度分别提高0.49％和4.38％.单独使用时序Sentinel-1 SAR数据,10 m空间分辨率数据的大蒜制图精度和用户精度优于20 m分辨率数据0.66％和2.03％.研究为遥感数据识别生长周期相同或重叠的大宗、小宗经济作物提供技术参考.