基于面向对象与机器学习融合的南方山区水稻识别研究

doi:10.15933/j.cnki.1004-3268.2025.04.015

摘要/Abstract

摘要： 水稻的物候信息随地形的差异而不同，针对南方山区多云多雨、地形复杂的情况，寻找一种合适的水稻识别方法具有一定的研究价值。以湖南省典型山地地形的永顺县为研究区，协同Sentinel-1 SAR和Sentinel-2 MSI数据，结合水稻4个关键物候期影像生成时间序列曲线以掌握水稻生长趋势，使用面向对象方法对移栽期和收割期影像分割，将经过样本特征空间优化算法（FSO）优选的特征变量输入到随机森林（RF）等4种模型中进行分类，并对比结果；之后将水稻样本按移栽先后分为早移、晚移样本，对移栽期和收割期影像重新分类，分析水稻移栽的早晚对该两景影像分类的影响。结果表明，与移栽期影像相比，收割期影像分类精度更好，更适合水稻制图；利用面向对象的FSO-RF模型对收割期影像分类的效果最好，总体精度为93.19%，Kappa系数为0.901。水稻移栽的早晚对收割期影像的分类几乎没有影响，对移栽期影像分类的影响较大，原因是最早移栽的水稻易与部分旱地作物、林地的光谱特征和纹理特征相似，出现混淆错分现象。提高移栽期影像的识别精度，需使用其他指数、纹理特征或进行地物掩膜。

关键词: 水稻, Sentinel-1/2, 面向对象, 多特征优选, 随机森林, 移栽期, 收割期, 识别

Abstract: The phenology information of rice varies with terrain.In view of the cloudy and rainy conditions and complex terrain in the southern mountainous areas，it is of certain research value to find a remote sensing identification method for rice. With Yongshun County，a typical mountainous terrain in Hunan Province，as the research area，combined with Sentinel‐1 SAR and Sentinel‐2 MSI data，the time series curve was generated by the images of four key phenology periods of rice to grasp the growth trend of rice.Firstly，the object‐oriented method was used to segment the images of transplanting period and harvesting period；secondly，the feature variables optimized by the feature space optimization algorithm（FSO）were input into four models for classification such as random forest（RF）；finally，the results were compared. Otherwise，according to the transplanting order，the rice samples were divided into early moving and late moving samples，the images of transplanting period and harvesting period were reclassified to explore the influence of rice transplanting time on the classification of the two images.The results showed that，compared to imagery from the transplanting stage，imagery from the harvesting stage offered better classification accuracy and was more suitable for rice mapping.The object‐oriented FSO‐RF model achieved the best classification results for imagery during the harvest period，with an overall accuracy of 93.19% and a kappa coefficient of 0. 901. The time of rice transplanting had little effect on the image classification at harvest stage，but had a great influence on the image classification at transplanting stage. The reason was that the earliest transplanted rice was easy to be similar to the spectral characteristics and texture characteristics of some dry land crops and woodlands，and there was a phenomenon of confusion and mis‐classification. In order to improve the recognition accuracy of the image during the transplanting period，it is necessary to improve the time resolution of the image，add more texture features or mask the ground objects.

Key words: Rice, Sentinel‐1/2, Object‐oriented, Multi‐feature optimization, Random forest, Transplanting period, Harvest period, Identification

中图分类号:

S127
S511

王莹莹, 段良霞, 赵怡凝, 孙广睿, 杨丽红, 周清, 谢红霞. 基于面向对象与机器学习融合的南方山区水稻识别研究[J]. 河南农业科学, 2025, 54(4): 144-154.

WANG Yingying, DUAN Liangxia, ZHAO Yining, SUN Guangrui, YANG Lihong, ZHOU Qing, XIE Hongxia. Identification of Rice in Southern Mountainous Area Based on Object‐Oriented and Machine Learning Methods[J]. Journal of Henan Agricultural Sciences, 2025, 54(4): 144-154.

图/表 11

参考文献

［1］谭深，吴炳方，张鑫.基于Google Earth Engine与多源遥感数据的海南水稻分类研究［J］.地球信息科学学报，2019，21（6）：937‐947.
TAN S，WU B F，ZHANG X.Mapping paddy rice in the Hainan Province using both Google Earth Engine and remote sensing images［J］.Journal of Geo‐information Science，2019，21（6）：937‐947.

［2］张焕雪，李强子，文宁，等.农作物种植面积遥感抽样调查的误差影响因素分析［J］.农业工程学报，2014，30（13）：176‐184.

ZHANG H X，LI Q Z，WEN N，et al.Analysis on estimation accuracy of crop area caused by spatial sampling factors based on remote sensing data［J］.Transactions of the Chinese Society of Agricultural Engineering，2014，30（13）：176‐184.

［3］陶莉，胡召玲.利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息［J］.测绘通报，2021（7）：39‐43.

TAO L，HU Z L.Crop planting structure identification based on Sentinel‐2A data in hilly region of middle and lower reaches of Yangtze River［J］.Bulletin of Surveying and Mapping，2021（7）：39‐43.

［4］贾坤，李强子.农作物遥感分类特征变量选择研究现状与展望［J］.资源科学，2013，35（12）：2507‐2516.

JIA K，LI Q Z.Review of features selection in crop classification using remote sensing data［J］.Bulletin of Surveying and Mapping，2013，35（12）：2507‐2516.

［5］DE CASTRO FILHO H C，DE CARVALHO JÚNIOR O A，FERREIRA DE CARVALHO O L，et al.Rice crop detection using LSTM，Bi ‐LSTM，and machine learning models from Sentinel‐1 time series［J］.Remote Sensing，2020，12（16）：2655.

［6］ORYNBAIKYZY A，GESSNER U，CONRAD C.Crop type classification using a combination of optical and radar remote sensing data：A review［J］.International Journal of Remote Sensing，2019，40（17）：6553‐6595.

［7］YANG M，GUO B，WANG J. A novel and robust method for large‐scale single‐season rice mapping based on phenology and statistical data［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2024，213：14‐32.

［8］郭交，朱琳，靳标.基于Sentinel-1和Sentinel-2数据融合的农作物分类［J］.农业机械学报，2018，49（4）：192‐198.

GUO J，ZHU L，JIN B.Crop classification based on data fusion of Sentinel‐1 and Sentinel‐2［J］.Transactions of the Chinese Society for Agricultural Machinery，2018，49（4）：192‐198.

［9］GIBRIL M B A，BAKAR S A，YAO K，et al.Fusion of RADARSAT‐2 and multi‐spectral optical remote sensing data for LULC extraction in a tropical agricultural area［J］.Geocarto International，2017，32（7）：735‐748.

［10］何泽，李世华.水稻雷达遥感监测研究进展［J］.遥感学报，2023，27（10）：2363‐2382.

HE Z，LI S H.Research progress on radar remote sensing for rice growth monitoring［J］.National Remote Sensing Bulletin，2023，27（10）：2363‐2382.

［11］YE Z X，YANG K L，LIN Y W，et al.A comparison between pixel‐based deep learning and object‐based image analysis（OBIA） for individual detection of cabbage plants based on UAV visible‐light images［J］.Computers and Electronics in Agriculture，2023，209：107822.

［12］XIAO W，XU S C，HE T T.Mapping paddy rice with Sentinel‐1/2 and phenology，object‐based algorithm：A implementation in Hangjiahu plain in China using GEE platform［J］.Remote Sensing，2021，13（5）：990.

［13］XIAO X M，BOLES S，LIU J Y，et al.Mapping paddy rice agriculture in Southern China using multi‐temporal MODIS images［J］.Remote Sensing of Environment，2005，95：480‐492.

［14］DONG J W，XIAO X M，MENARGUEZ M A，et al.Mapping paddy rice planting area in northeastern Asia with Landsat 8 images，phenology‐based algorithm and Google Earth Engine［J］.Remote Sensing of Environment，2016，185：142‐154.

［15］于飞，吕争，隋正伟，等. 基于特征优选的多时相SAR 数据水稻信息提取方法［J］.农业机械学报，2023，54（3）：259‐265，327.

YU F，LV Z，SUI Z W，et al. Extraction of rice information using multi‐temporal SAR data based on feature optimization［J］.Transactions of the Chinese Society for Agricultural Machinery，2023，54（3）：259‐265，327. ［16］刘通，任鸿瑞.GEE平台下利用物候特征进行面向对象的水稻种植分布提取［J］.农业工程学报，2022，38（12）：189‐196.

LIU T，REN H R. Object‐oriented extraction of paddy rice planting areas using phenological features from the GEE platform［J］. Transactions of the Chinese Society of Agricultural Engineering，2022，38（12）：189‐196.

［17］张卫春.基于Sentinel-2数据的低山丘陵区水稻种植面积监测［D］.重庆：西南大学，2020.

ZHANG W C. Mapping rice paddy based on machine learning with Sentinel‐2 multi‐temporal data［D］.Chongqing：Southwestern University，2020.

［18］桑国庆，唐志光，毛克彪，等.基于GEE云平台与Sentinel数据的高分辨率水稻种植范围提取：以湖南省为例［J］.作物学报，2022，48（9）：2409‐2420.

SANG G Q，TANG Z G，MAO K B，et al.High‐resolution paddy rice mapping using Sentinel data based on GEE platform：A case study of Hunan Province，China［J］. Acta Agronomica Sinica，2022，48 （9）：2409‐2420.

［19］张征云，江文渊，张彦敏，等.基于哨兵SAR数据和多光谱数据的水稻识别研究［J］.生态与农村环境报，2023，39（4）：556‐564.

ZHANG Z Y，JIANG W Y，ZHANG Y M，et al.Research on rice area extraction based on Sentinel SAR data and multi‐spectral data［J］.Journal of Ecology and Rural Environment，2023，39（4）：556‐564.

［20］范莉，王妍，祝好，等.多种光谱指数联合地形特征对复杂地形区主要粮食作物种植面积的遥感识别［J］.中国农业气象，2023，44（9）：845‐856.

FAN L，WANG Y，ZHU H，et al.Remote sensing for the planting area of major grain crops in complex terrain regions by integrating multiple spectral indices with topographic features［J］.Chinese Journal of Agrometeorology，2023，44（9）：845‐856.

［21］翟鹏飞，李世华，胡月明.协同光学与雷达遥感数据的面向对象土地覆盖变化检测［J］. 农业工程学报，2021，37（23）：216‐224.

ZHAI P F，LI S H，HU M Y.Object‐oriented land cover change detection combining optical and radar remote sensing data［J］.Transactions of the Chinese Society of Agricultural Engineering，2021，37（23）：216‐224.

［22］HAN J C，ZHANG Z，LUO Y C，et al.Annual paddy rice planting area and cropping intensity datasets and their dynamics in the Asian monsoon region from 2000 to 2020［J］.Agricultural Systems，2022，200：103437.

［23］郑紫瑞，赵辉杰，位盼盼，等.集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取［J］.河南农业科学，2023，52（10）：153‐161.

ZHENG Z R，ZHAO H J，WEI P P，er al.Integration of multi‐source remote sensing data and temporal spectral features of growth stages for rice planting area extraction［J］.Journal of Henan Agricultural Sciences，2023，52（10）：153‐161.

［24］YIN Q，LIU M，CHENG J，et al.Mapping paddy rice planting area in northeastern China using spatiotemporal data fusion and phenology‐based method［J］.Remote Sensing，2019，11（14）：1699.

［25］姚园，毋亭，李一凡，等.基于水稻物候参数及面向对象算法的稻田识别［J］.农业工程学报，2024，40（11）：150‐158.

YAO Y，WU T，LI Y F，et al.Paddy field identification using rice phenological parameters and object‐oriented algorithm［J］.Transactions of the Chinese Society of Agricultural Engineering，2024，40（11）：150‐158.

［26］张昊，高小红，史飞飞，等.基于Sentinel-2 MSI与Sentinel-1 SAR相结合的黄土高原西部撂荒地提取：以青海民和县为例［J］.自然资源遥感，2022，34（4）：144‐154.

ZHANG H，GAO X H，SHI F F，et al.Sentinel‐2 MSI and Sentinel‐1 SAR based information extraction of abandoned land in the western Loess Plateau：A case study of Minhe County in Qinghai［J］.Remote Sensing for Natural Resources，2022，34（4）：144‐154.

［27］VELOSO A，MERMOZ S，BOUVET A，et al.Understanding the temporal behavior of crops using Sentinel‐1 and Sentinel‐2‐like data for agricultural applications［J］.Remote Sensing of Environment，2017，199：415‐426.

［28］BREIMAN L. Random forests［J］.Machine Learning，2001，45：5‐32.

［29］王斌，何丙辉，林娜，等. 基于随机森林特征选择的茶园遥感提取［J］.吉林大学学报（工学版），2022，52（7）：1719‐1732.

WANG B，HE B H，LIN N，et al.Tea plantation remote sensing extraction based on random forest feature selection［J］.Journal of Jilin University（Engineering and Technology Edition），2022，52（7）：1719‐1732.

［30］陈映彤.多时相遥感影像的湖南省醴陵市水稻生长期以及面积提取［D］.广州：华南农业大学，2018.

CHEN Y T. Extraction of paddy rice growing period and cropping area in Liling City，Hunan Province using multi‐temporal remote sensing images［D］.Guangzhou：South China Agricultural University，2018.

［31］任鸿瑞，张悦琦，何奇瑾，等.基于FY-3 MERSI遥感数据的水稻种植分布提取［J］.光谱学与光谱分析，2023，43（5）：1606‐1611.

REN H R，ZHANG Y Q，HE Q J，et al.Extraction of paddy rice planting area based on multi‐temporal FY‐3 MERSI remote sensing images［J］.Spectroscopy and Spectral Analysis，2023，43（5）：1606‐1611.

［32］滕文秀，王妮，施慧慧，等.结合面向对象和深度特征的高分影像树种分类［J］.测绘通报，2019（4）：38‐42.

TENG W X，WANG N，SHI H H，et al.Tree species classification of high resolution image combining with object‐oriented and deep feature［J］.Bulletin of Surveying and Mapping，2019（4）：38‐42.

［33］王佳玥，蔡志文，王文静，等.协同多源国产高分影像和面向对象方法的南方农作物遥感识别［J］.中国农业科学，2023，56（13）：2474‐2490.

WANG J Y，CAI Z W，WANG W J，et al.Integrating multi‐source GaoFen images and object‐based methods for crop type identification in south China［J］.Scientia Agricultura Sinica，2023，56（13）：2474‐2490.

［34］闫明，庞勇，何云玲，等.基于GEE云平台和Sentinel-2 数据的普洱市森林覆盖制图［J］.遥感技术与应用，2023，38（2）：432‐442.

YAN M，PANG Y，HE Y L，et al.Remote sensing based land cover classification of Pu'er City using GEE cloud platform and Sentinel‐2 data［J］.Remote Sensing Technology and Application，2023，38（2）：432‐442.

[1]	杨振东, 骆巍, 罗晨, 姜鸿勋, 张英, 宋淑敏, 史一鸣, 于艳玲, 杨田亮, 马中杰, 冯晓, 杨凡. 黄瓜病害智能识别技术研究进展[J]. 河南农业科学, 2025, 54(4): 1-10.
[2]	蔡昱萌, 汪颖, 何飞, 刘燕清, 刘静妍, 郭彦丽, 孙玥, 苏京平, 王胜军, 李军玲. 水稻蔗糖转运蛋白OsSUT4基因的克隆与功能分析[J]. 河南农业科学, 2025, 54(3): 1-7.
[3]	李玲子, 计长莉, 刘晔, 付明芳, 李宗润, 仝俊丹, 陈秋圆, 张静, 赵亚帆, 王道丽, 彭廷. 水稻复配高丹草青贮对饲草品质和微生物群落的影响[J]. 河南农业科学, 2024, 53(9): 132-140.
[4]	冯晓, 张辉, 刘正, 张会芳, 陈海燕, 赵威, 郑国清, 马中杰. 基于深度学习的玉米包衣种子品种识别[J]. 河南农业科学, 2024, 53(7): 160-167.
[5]	刘奇华, 孙召文, 尹秀波, 郑崇珂. 化肥优化减施对麦茬旱直播稻强、弱势粒食味与营养品质的影响[J]. 河南农业科学, 2024, 53(6): 27-36.
[6]	张朝冉, 彭漪, 杨凯丽, 袁宁鸽, 黎远金, 刘小娟, 吴慧丽. 基于光合有效吸收的水稻穗生物量遥感估测[J]. 河南农业科学, 2024, 53(6): 154-161.
[7]	董洪瑞, 朱杰, 周勇, 李皓轩, 杨伟, 蒋梦蝶, 朱波, 聂江文, 刘章勇. 穗肥施钾量和叶面肥对稻虾共作水稻生理特性、产量和品质的影响[J]. 河南农业科学, 2024, 53(5): 30-39.
[8]	刘越, 周梦, 罗海伟, 党程成, 郝蓉蓉, 胡玉婷, 严鹏, 陈龙周, 刘洋旋, 田小海. 兼顾江汉平原水稻产量和品质提高的优化施锌量研究[J]. 河南农业科学, 2024, 53(3): 43-52.
[9]	屈小天, 王雅楠, 许倩茹, 李雪洋, 张申立, 张二芹, 张改平. H5N1 亚型禽流感病毒HA蛋白在水稻胚乳中的表达及其纯化[J]. 河南农业科学, 2024, 53(3): 125-132.
[10]	张红伟, 崔丙健, 刘春成. 再生水农业灌溉中生物污染物研究进展[J]. 河南农业科学, 2024, 53(3): 1-16.
[11]	樊一凡, 张艳艳, 王艺媚, 李俊周, 杜彦修, 孙红正, 彭廷, 赵全志, 张静. 不同播期温光条件对籼稻产量和品质的影响[J]. 河南农业科学, 2024, 53(2): 17-27.
[12]	李粉粉, 王爱霞, 赵晨, 白涛, 毛岚, 张豹林, 李生栋, 宋朝鹏, 王涛. 基于高光谱成像技术的鲜烟叶叶位识别方法[J]. 河南农业科学, 2024, 53(2): 144-151.
[13]	李东亚, 白涛, 香慧敏, 戴硕, 王震鲁, 陈珍. 基于RoBERTa 多特征融合的棉花病虫害命名实体识别[J]. 河南农业科学, 2024, 53(2): 152-161.
[14]	张兆冉, 朱博艺, 高松, 李朝炜. 水稻B12D 基因家族鉴定与淹水胁迫下表达分析[J]. 河南农业科学, 2024, 53(12): 31-42.
[15]	焦峰, 张宇涵, 董文军, 唐傲, 刘猷红, 孟英, 王硕. 减氮增密对寒地水稻产量及氮素吸收利用的影响[J]. 河南农业科学, 2024, 53(11): 41-49.