| 基于GF-1和Sentinel-2时序数据的茶园识别 |
| |
| 引用本文： | 柏佳,孙睿,张赫林,王岩,金志凤.基于GF-1和Sentinel-2时序数据的茶园识别[J].农业工程学报,2021,37(14):179-185. |
| |
| 作者姓名： | 柏佳 孙睿 张赫林 王岩 金志凤 |
| |
| 作者单位： | 北京师范大学地理科学学部,遥感科学国家重点实验室,北京 100875;北京师范大学地理科学学部,北京市陆表遥感数据产品工程技术研究中心,北京 100875;中国科学院空天信息创新研究院/数字地球科学重点实验室,北京 100094;中国科学院大学,北京 100049;浙江省气候中心,杭州 310002 |
| |
| 基金项目： | 浙江省科技计划项目（2021C02036）和国家重点研发计划（2017YFA0603002）联合资助 |
| |
| 摘 要： | 由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。
|
| 关 键 词： | 遥感 图像处理 光谱分析 茶园识别 GF-1 Sentinel-2时序信息 随机森林 |
| 收稿时间： | 2021/4/27 0:00:00 |
| 修稿时间： | 2021/7/13 0:00:00 |
Tea plantation identification using GF-1 and Sentinel-2 time series data |
| |
| Bai Ji,Sun Rui,Zhang Helin,Wang Yan,Jin Zhifeng.Tea plantation identification using GF-1 and Sentinel-2 time series data[J].Transactions of the Chinese Society of Agricultural Engineering,2021,37(14):179-185. |
| |
| Authors: | Bai Ji Sun Rui Zhang Helin Wang Yan Jin Zhifeng |
| |
| Institution: | 1.State Key Laboratory of Remote Sensing Science Jointly Sponsored by Beijing Normal University and Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, Beijing 100875 China; 2.Beijing Engineering Research Center for Global Land Remote Sensing Products, Institute of Remote Sensing Science and Engineering, Faculty of Geographical Science, Beijing Normal University, Beijing 100875 China;;3.Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100094, China; 4.University of Chinese Academy of Sciences, Beijing 100049, China;; 5,Zhejiang Climate Center, Hangzhou 310002 China |
| |
| Abstract: | |
| |
| Keywords: | remote sensing image processing spectrum analysis tea plantation identification GF-1 Sentinel-2 time series random forest |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
