河南农业科学 ›› 2023, Vol. 52 ›› Issue (6): 160-171.DOI: 10.15933/j.cnki.1004-3268.2023.06.017
张科谦1,程钢1,吴微2,宋向阳1,张子谦3,姚顺1,吴帅1
ZHANG Keqian1,CHENG Gang1,WU Wei2,SONG Xiangyang1,ZHANG Ziqian3,YAO Shun1,WU Shuai1
摘要: 为了快速、准确地获取作物分布信息,探索使用主动遥感影像(Sentinel-1A)和被动遥感影像(Sentinel-2)提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI(归一化植被指数)时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A 影像的冬小麦用户精度和生产者精度分别为83.15% 和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单一数据源,冬小麦分类精度有不同程度的提升。
中图分类号: