| 基于Google Earth Engine的黄土高原覆膜农田遥感识别 |
| |
| 引用本文： | 郑文慧,王润红,曹银轩,靳宁,冯浩,何建强.基于Google Earth Engine的黄土高原覆膜农田遥感识别[J].农业机械学报,2022,53(1):224-234. |
| |
| 作者姓名： | 郑文慧 王润红 曹银轩 靳宁 冯浩 何建强 |
| |
| 作者单位： | 西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌712100;西北农林科技大学中国旱区节水农业研究院,陕西杨凌712100;山西能源学院资源与环境工程系,晋中030600;西北农林科技大学中国旱区节水农业研究院,陕西杨凌712100;中国科学院水利部水土保持研究所,陕西杨凌712100 |
| |
| 基金项目： | 国家自然科学基金项目（52079115）、陕西省重点研发计划项目（2019ZDLNY07-03）、陕西省气象局秦岭和黄土高原生态环境气象重点实验室开放研究基金项目（2019Z-5）、西北农林科技大学人才专项资金项目（千人计划项目）和高等学校学科创新引智计划（111计划）项目(B12007) |
| |
| 摘 要： | 为了建立覆膜农田遥感识别技术体系,本研究选取甘肃省定西市安定区团结镇作为黄土高原地膜覆盖旱作农业代表性区域,基于Google Earth Engine云平台和Landsat-8反射率数据,采用特征重要性分析优选纹理特征,利用参数优化后的随机森林算法提取覆膜农田区域并选出最佳特征组合方案,最后通过对比随机森林、支持向量机、决策树和最小距离分类4种算法的分类结果来评价不同分类算法的性能。结果表明:优化关键参数后的随机森林算法能够显著提高遥感影像的分类精度;单一特征方案中,基于光谱特征的分类精度最高,且加入指数和纹理特征可提高总体识别精度;利用随机森林特征重要性分析选取的优选纹理特征分类性能优于全部纹理特征,基于"光谱+指数+优选纹理"特征方案的识别结果最佳,总体精度和Kappa系数达95.05%和0.94;与支持向量机、决策树和最小距离分类相比,随机森林优势明显,总体精度分别高3.10、7.74、50.78个百分点。本研究实现了对地形复杂地区覆膜农田空间分布较为精准的识别。
|
| 关 键 词： | Google Earth Engine 覆膜农田 遥感识别 随机森林 特征选择 黄土高原 |
| 收稿时间： | 2020/12/19 0:00:00 |
Remote Sensing Recognition of Plastic-film-mulched Farmlands on Loess Plateau Based on Google Earth Engine |
| |
| ZHENG Wenhui,WANG Runhong,CAO Yinxuan,JIN Ning,FENG Hao,HE Jianqiang.Remote Sensing Recognition of Plastic-film-mulched Farmlands on Loess Plateau Based on Google Earth Engine[J].Transactions of the Chinese Society of Agricultural Machinery,2022,53(1):224-234. |
| |
| Authors: | ZHENG Wenhui WANG Runhong CAO Yinxuan JIN Ning FENG Hao HE Jianqiang |
| |
| Institution: | Northwest A&F University;Shanxi Institute of Energy;Northwest A&F University;Institute of Water and Soil Conservation, Chinese Academy of Sciences and Ministry of Water Resources |
| |
| Abstract: | |
| |
| Keywords: | Google Earth Engine plastic-film-mulched farmland remote sensing recognition random forest feature selection Loess Plateau |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
