|
|||||
|
|
| 基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究 | |
| 作者姓名： | 孙逸飞 柳平增 张艳 宋长青 张大雷 马学文 |
| 作者单位： | 1. 山东农业大学信息科学与工程学院,山东泰安,271000; 2. 山东农业大学农业大数据研究中心,山东泰安,271000; 3. 农业农村部黄淮海智慧农业技术重点实验室,山东泰安,271000; 4. 山东科技大学泰山科技学院,山东泰安,271000; 5. 山东农大肥业科技有限公司,山东泰安,271000 |
| 基金项目： | 山东省农业重大应用技术创新项目（SD2019ZZ019）;2019年度山东省重点研发计划（公益类专项）项目（2019GNC106103）;山东省科技特派员项目（2020KJTPY078）;山东省重大科技创新工程项目（2019JZZY010713） |
| 摘 要： | 为准确、高效、自动化的提取大尺度范围冬小麦种植面积,利用Sentinel-2A卫星影像进行试验,提出一种基于中等分辨率影像的面向对象结合深度学习的遥感冬小麦提取方法。利用面向对象分类法和随机森林分类算法对2021年潍坊市冬小麦种植面积及种植区域进行提取和结果对比,证明面向对象分类法在提取冬小麦种植面积时的可行性和有效性。此外,利用面向对象方法得到的二值分类图像作为标签图像,基于TensorFlow框架,利用U-Net构建深度学习神经网络模型,使用训练得到最优模型提取2017—2021年潍坊市冬小麦种植面积。使用实地调查数据对分类结果进行精度验证,并对潍坊市近五年冬小麦种植面积进行年际变化分析。该分类方法的总体分类精度达93.1%,Kappa系数为0.91。本研究方法可为大范围的冬小麦种植指导和农业结构调整提供科学、可靠的依据。 |
| 关 键 词： | Sentinel-2A 冬小麦 面向对象 随机森林 深度学习 面积提取 |
| 点击此处可从《中国农机化学报》浏览原始摘要信息 | |
| 点击此处可从《中国农机化学报》下载全文 | |