基于多源遥感特征融合与卷积神经网络(CNN)的丘陵地区水稻识别

为探究卷积神经网络(CNN)算法和多源遥感优选特征数据融合对丘陵地区水稻种植区的识别效果和适用性，以江西省上高县为研究区，利用Sentinel-2与GF-1遥感影像数据，对研究区晚稻种植区域进行识别。选取影像波段特征、植被指数、纹理特征及地形特征等分类特征，用分离阈值法(SEaTH)筛选出对各类别分离度较大的特征变量。基于Sentinel-2优选特征数据、GF-1优选特征数据、Sentinel-2与GF-1优选特征融合数据，使用CNN分类算法进行晚稻识别，同时用支持向量机(SVM)、最大似然法(MLC)分类算法进行对比。结果表明，Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对水稻的识别效果最好，总体精度、Kappa系数分别为96.19%、0.93,结合野外调查数据进行验证，实际验证精度达94.69%。由研究结果可知，Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对丘陵地区水稻识别具有较好的效果和适用性，是丘陵地区水稻遥感识别的有效手段。