基于GEE联合多特征与随机森林的花生种植信息提取方法研究

doi:10.15933/j.cnki.1004-3268.2026.05.015

摘要/Abstract

摘要： 花生是我国重要的油料作物之一，利用遥感影像对花生种植空间分布进行精确提取，对于维护粮油安全、指导农业生产具有重要意义。以沈阳市康平县为研究区，基于谷歌地球引擎（Google Earth Engine，GEE）平台，使用Sentinel-2多时相遥感影像，构建植被指数特征、纹理特征和物候特征，分别采用基于像元和面向对象的随机森林分类器，实现沈阳市康平县的花生种植信息提取。结果表明，色素指数、纹理特征与物候特征对于分类器的性能都有一定的提升，其中纹理特征对于面向对象的随机森林分类器提升最大，相较于使用光谱+植被指数+色素指数特征，增加纹理特征的总体精度和Kappa系数提升分别达到3.85百分点和0.068 4，基于像元的随机森林分类器也分别提升2.66百分点和0.035 6。在不同的特征组合中，基于像元的随机森林分类器表现要优于面向对象的随机森林分类器，两者取得的最佳总体精度分别为95.28%与92.31%，最优Kappa系数分别为0.908 6与0.860 8。

关键词: 花生, 种植信息, 谷歌地球引擎, 随机森林, 物候特征, 色素指数, 纹理特征

Abstract: Peanut is one of the important oil crops in China. Using remote sensing images to classify peanut cultivated land accurately and efficiently is of great significance for maintaining food security and guiding agricultural production. This research took Kangping County，Shenyang City as the research area，used Sentinel‐2 multi temporal remote sensing image as the data source based on Google Earth Engine（GEE）platform，constructed vegetation index features，texture features and phenological features，and used pixel‐based and object‐oriented random forest classifiers to achieve peanut planting information extraction in Kangping County，Shenyang City. The experimental results showed that the pigment index，texture feature and phenology feature improved the performance of the classifiers to a certain extent，among which the texture feature had the largest improvement for the object‐oriented random forest classifier.Compared with the use of spectrum+vegetation index+pigment index feature，the overall accuracy and Kappa coefficient after adding texture feature increased by 3.85 percentage points and 0.068 4 respectively，and the pixel‐based random forest classifier also rose by 2.66 percentage points and 0.035 6.In different feature combinations，the performance of pixel‐based random forest classifier was better than that of object‐oriented random forest classifier. The optimal overall accuracy of the two classifiers was 95.28% and 92.31% respectively，and the optimal Kappa coefficients were 0.908 6 and 0.860 8 respectively.

Key words: Peanut, Planting information, Google Earth Engine, Random forest, Phenological characteristics, Pigment index, Texture feature

中图分类号:

S127

史凯旋, 杨华东. 基于GEE联合多特征与随机森林的花生种植信息提取方法研究[J]. 河南农业科学, 2026, 55(5): 146-154.

SHI Kaixuan, YANG Huadong. Research on Peanut Planting Information Extraction Based on GEE Combined Multi‐features and Random Forest[J]. Journal of Henan Agricultural Sciences, 2026, 55(5): 146-154.

图/表 9

参考文献

［1］张良晓，李慧，马飞，等. 关于我国油料品质提升重要性的思考［J］. 农产品质量与安全，2023（2）：22‐27.
ZHANG L X，LI H，MA F，et al. Thoughts on the importance of improving oil quality in China［J］.Quality and Safety of Agro‐products，2023（2）：22‐27.
［2］任春玲.国内外花生产业发展动态与河南省花生产业前景分析［J］. 河南农业，2023（10）：28‐34.
REN C L. Development trends of peanut industry at home and abroad and prospect analysis of peanut industry in Henan Province［J］.Agriculture of Henan，2023（10）：28‐34.
［3］贺园园. 基于无人机遥感的大面积农作物叶片病虫害识别研究［J］. 自动化与仪器仪表，2023（1）：216‐220.
HE Y Y. Identification of crop leaf diseases and insect pests based on UAV remote sensing［J］. Automation & Instrumentation，2023（1）：216‐220.
［4］陆雪丹.卫星遥感技术在矿区大面积地形测量中的应用［J］. 世界有色金属，2024（23）：139‐141.
LU X D. Application of satellite remote sensing technology in large‐scale topographic survey of mining areas［J］.World Nonferrous Metals，2024（23）：139‐141.
［5］陈涛，李蔓.山区大面积卫星影像生产技术研究：以贵州省为例［J］. 测绘与空间地理信息，2022，45（6）：128‐132.
CHEN T，LI M. Research on the production technology of large area satellite image in mountainous area：Take Guizhou Province as an example［J］. Geomatics&Spatial Information Technology，2022，45（6）：128‐132.
［6］ARDHUIN F，ALDAY M，YUROVSKAYA M. Total surface current vector and shear from a sequence of satellite images：Effect of waves in opposite directions［J］. Journal of Geophysical Research：Oceans，2021，126（7）：e2021JC017342.
［7］古超.基于时序NDVI图谱库的自然保护区植被覆盖变化时空特征研究［J］. 浙江农业科学，2025，66（9）：2190‐2193.
GU C. Study on the temporal and spatial characteristics of vegetation cover change in nature reserves based on time series NDVI atlas［J］.Zhejiang Agricultural Sciences，2025，66（9）：2190‐2193.
［8］DONG X，CHEN Z B，WU M Q，et al.Long time series of remote sensing to monitor the transformation research of Kubuqi Desert in China ［J］. Earth Science Informatics，2020，13（3）：795‐809.

［9］QIU B W，JIANG F C，CHEN C C，et al.Phenology‐pigment based automated peanut mapping using sentinel‐2 images［J］.GIScience & Remote Sensing，2021，58（8）：1335‐1351.

［10］童陆亿，陈赞，罗素，等. 城市地表温度与下垫面关系的时空分异特征及其对缓解热岛效应的启示：以青岛市为例［J］. 安全与环境工程，2025，32（3）：39‐49.

TONG L Y，CHEN Z，LUO S，et al.Spatiotemporal variations of the relationship between urban land surface temperature and ground surface and implications for mitigating surface heat island：A case study in Qingdao city， China［J］.Safety and Environmental Engineering，2025，32（3）：39‐49.

［11］卢捷，薛华柱. 基于时序雷达植被指数的黑河中游农作物精细分类研究［J］. 河南农业科学，2025，54（6）：152‐162.

LU J，XUE H Z. Research on fine classification of crops in the middle reaches of the Heihe River using time‐series radar vegetation index［J］. Journal of Henan Agricultural Sciences，2025，54（6）：152‐162.

［12］严正飞，杨明龙，唐秀娟，等. 基于Sentinel-2A影像和XGBoost模型的滇中高原地区土壤有机碳含量反演研究［J］. 河南农业科学，2025，54（2）：145‐153.

YAN Z F，YANG M L，TANG X J，et al. Inversion of soil organic carbon content in the central Yunnan Plateau based on Sentinel‐2A images and XGBoost model［J］. Journal of Henan Agricultural Sciences，2025，54（2）：145‐153.

［13］李万涛，杨明龙，唐秀娟，等. 基于Sentinel多源遥感数据的农田地表土壤水分反演［J］. 南方农业学报，2025，56（1）：87‐96.

LI W T，YANG M L，TANG X J，et al. Surface soil moisture inversion of farmland based on Sentinel multi‐source remote sensing data［J］.Journal of Southern Agriculture，2025，56（1）：87‐96.

［14］史洁宁，吴田军，黄启厅，等. 耦合NDVI与纹理时序特征的地块作物遥感分类［J］.南方农业学报，2025，56（1）：29‐40.

SHI J N，WU T J，HUANG Q T，et al. Land parcel crop remote sensing classification via coupleing with time series features of NDVI and texture［J］.Journal of Southern Agriculture，2025，56（1）：29‐40.

［15］FAN JIABIN Z F. Fusion of historical survey data and remote sensing to analyze the spatiotemporal variation of altitudinal belts in the Kunlun Mountains during 2000—2020［J］. Journal of Geographical Sciences，2024，34（11）：2091‐2110.

［16］王振兴，刘东，王敏. 基于GEE平台和多维特征优选的粮食作物提取：以西辽河流域为例［J］. 江苏农业科学，2023，51（21）：200‐208.

WANG Z X，LIU D，WANG M. Extraction of grain crop based on multidimensional feature optimization and GEE platform：Taking western Liaohe River Basin as an example［J］. Jiangsu Agricultural Sciences，2023，51（21）：200‐208.

［17］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.

［18］LI J，YU W，DU J，et al. Map Maize tillage practices over the Songnen plain in northeast China using GEE cloud platform［J］. Remote Sensing，2023，15（5）：1461.

［19］刘胜威，彭代亮，陈俊杰，等. 基于Sentinel-2影像的冬小麦收获面积测算［J］. 遥感技术与应用，2023，38（3）：544‐557.

LIU S W，PENG D L，CHEN J J，et al. Estimation of winter wheat harvesting area based on Sentinel‐2 images ［J］. Remote Sensing Technology and Application，2023，38（3）：544‐557.

［20］YANG S J，WANG R J，ZHENG J H，et al. Remote sensing‐based monitoring of cotton growth and its response to meteorological factors［J］. Sustainability，2024，16（10）：3992.

［21］CHAUHAN S，DARVISHZADEH R，LU Y，et al.Understanding wheat lodging using multi‐temporal Sentinel‐1 and Sentinel‐2 data［J］. Remote Sensing of Environment，2020，243：111804.

［22］李恒凯，王利娟，肖松松. 基于多源数据的南方丘陵山地土地利用随机森林分类［J］. 农业工程学报，2021，37（7）：244‐251.

LI H K，WANG L J，XIAO S S. Random forest classification of land use in hilly and mountaineous areas of Southern China using multi‐source remote sensing data［J］. Transactions of the Chinese Society of Agricultural Engineering，2021，37（7）：244‐251.

［23］张紫荆，华丽，郑萱，等. 基于GEE平台与Sentinel‐NDVI 时序数据江汉平原种植模式提取［J］. 农业工程学报，2022，38（1）：196‐202.

ZHANG Z J，HUA L，ZHENG X，et al. Extraction of cropping patterns in Jianghan Plain based on GEE and Sentinel‐NDVI time series data［J］. Transactions of the Chinese Society of Agricultural Engineering，2022，38（1）：196‐202.
［24］张彦，刘婷，包卓雅，等. 基于Sentinel-2与GF-6 WFV数据的花生种植面积提取差异分析［J］. 河南农业科学，2021，50（6）：163‐170.
ZHANG Y，LIU T，BAO Z Y，et al. Difference analysis of Sentinel‐2 and GF‐6 WFV data in peanut planting area extraction［J］. Journal of Henan Agricultural Sciences，2021，50（6）：163‐170.
［25］郭其乐，李军玲，郭鹏. 基于作物双时相遥感特征的花生种植区提取［J］. 应用气象学报，2022，33（2）：218‐230.
GUO Q L，LI J L，GUO P. Extraction of peanut planting area based on dual‐temporal remote sensing features of crops［J］. Journal of Applied Meteorological Science，2022，33（2）：218‐230.
［26］杨可儿，吾木提·艾山江. 基于Sentinel-2数据的城市不透水面遥感信息提取［J］. 智能城市，2025，11（2）：1‐5.
YANG K E，WUMUTI A. Remote sensing information extraction of urban impervious surface based on Sentinel‐2 data［J］. Intelligent City，2025，11（2）：1‐5.
［27］鲍鹏. 基于改进NDBI指数法的兰州市建筑用地提取［J］. 现代测绘，2024，47（6）：25‐28.
BAO P. Extraction of construction land in Lanzhou based on improved NDBI index method［J］. Modern Surveying and Mapping，2024，47（6）：25‐28.

[1]	刘娟, 张静静, 周立垚, 崔亚男, 刘兵, 许日升, 马腾飞, 陈亚菲, 刘海礁. 玉米花生带状复合种植协同增效机制及关键技术研究进展[J]. 河南农业科学, 2026, 55(3): 10-18.
[2]	程培军, 徐敏, 李亮, 索炎炎, 郝浩浩, 张翔, 唐培培, 王迅, 郭传滨, 许晓敬, 徐凤丹, 吴俊林, 陈中尚, 苗森. 花生饼和蚯蚓粪配施对烤烟产量、品质及土壤特性的影响[J]. 河南农业科学, 2026, 55(2): 70-79.
[3]	刘星麟, 刘园, 杨凡, 刘布春, 韩锐. 基于机器学习算法的河南省县级冬小麦产量模拟研究[J]. 河南农业科学, 2025, 54(8): 167-180.
[4]	张萌, 徐祥, 王状, 王杰. 基于HJ-2 CCD 影像的耕地破碎区油菜种植信息提取[J]. 河南农业科学, 2025, 54(7): 170-180.
[5]	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.
[6]	高翠民, 田媛, 张瑞卿, 何方, 韩伟锋, 张运红, 潘晓莹, 杨永辉. 灌溉方式对小麦-花生轮作体系作物产量及水氮利用率的影响[J]. 河南农业科学, 2025, 54(3): 31-39.
[7]	张俊, 张曼, 张朋磊, 张忠信, 张新友, 刘娟, 郝西, 董文召, 臧秀旺. 遮荫对不同花生品种源库流性状的影响[J]. 河南农业科学, 2025, 54(12): 40-48.
[8]	程培军, 郝浩浩, 李翔, 李亮, 张翔, 唐培培, 王迅, 司贤宗, 索炎炎, 吴俊林, 徐凤丹, 李倩, 马新军, 闫萌. 施用饼肥和微生物菌剂对烤烟产质量及土壤微生物特性的影响[J]. 河南农业科学, 2024, 53(9): 57-65.
[9]	李萍, 谢永康, 李星仪, 杨慧, 韩俊豪, 张丽霞. 不同类型花生浸种过程物理特性变化及内部水分迁移规律[J]. 河南农业科学, 2024, 53(8): 154-164.
[10]	桑素玲, 王振宇, 李绍建, 范腕腕, 高蒙, 崔小伟, 张海燕, 冯兰兰. 河南省花生青枯病菌的分子鉴定及其生物学特性研究[J]. 河南农业科学, 2024, 53(4): 102-110.
[11]	于沐, 胡延岭, 杨海棠. 86份花生种质资源主要表型性状的鉴评及分析[J]. 河南农业科学, 2024, 53(10): 63-72.
[12]	付博, 杨永锋, 刘向真, 赵森森, 刘茂林, 贾国涛, 牛洋洋, 张坤芳, 于建军, 彭桂新, 姬小明. 基于近红外光谱的烤烟香型分类模型研究[J]. 河南农业科学, 2023, 52(7): 163-171.
[13]	张科谦, 程钢, 吴微, 宋向阳, 张子谦, 姚顺, 吴帅. 融合主被动遥感影像的冬小麦种植面积提取研究[J]. 河南农业科学, 2023, 52(6): 160-171.
[14]	吴希宝, 徐洪乐, 胡尊纪, 宋化稳, 庄治国, 唐广新, 徐娜娜, 孔月, 梁林, 庄占兴. 新型土壤封闭除草剂砜吡草唑在花生和向日葵田的应用及安全性[J]. 河南农业科学, 2023, 52(4): 99-106.
[15]	杨慧, 路风银, 韩俊豪, 谢永康, 尚朝杰, 李星仪. 高通量测序技术分析鲜食花生贮藏过程中真菌群落的的组成和变化[J]. 河南农业科学, 2023, 52(2): 171-180.