| 基于迁移学习的嫩江市主要农作物遥感分类 |
| |
| 引用本文： | 吴禹瑨,李禹萱,宋茜,任超,冷佩. 基于迁移学习的嫩江市主要农作物遥感分类[J]. 中国农业信息, 2023, 35(4): 1-10 |
| |
| 作者姓名： | 吴禹瑨 李禹萱 宋茜 任超 冷佩 |
| |
| 作者单位： | 1.桂林理工大学测绘地理信息学院，广西桂林 541006;2.北方干旱半干旱耕地高效利用全国重点实验室/中国农业科学院农业资源与农业区划研究所，北京 100081 |
| |
| 基金项目： | 科技创新2030——重大项目课题“多模式协同的农情反演、预测及智能计算”（2021ZD0113704）；中央级公益性科研院所基本科研业务费专项资金“东北农作物‘一张图’制图研究”（1610132021010） |
| |
| 摘 要： | 【目的 】机器学习模型在农作物分类研究领域有着较高精度，但如何利用历史样本用于当前时间的作物分类是一个难点。迁移学习的核心思想在于找到已有数据与新数据之间的相似性，文章旨在探索迁移学习方法使用历史样本进行作物分类的可靠性。【方法 】该文以嫩江市为研究区域，基于实地采样数据与遥感数据，用随机森林（Random Forest,RF）分类器，结合多种遥感指数，对2020—2021年嫩江市玉米与大豆种植区域进行分类；利用动态时间规整方法，以2020—2021年实地采样数据生成2022年的分类样本，用RF对2022年嫩江市的玉米与大豆种植区域进行分类。【结果 】（1）对2020—2021年玉米与大豆种植区域进行分类，RF的平均总体精度达到97.8%。（2）对动态时间规整方法生成的2022年玉米与大豆种植区域进行分类，RF的总体精度达到87.5%。【结论 】基于迁移学习的作物识别方法达到较高精度，具有实践意义，可提高历史时期样本的利用效率。
|
| 关 键 词： | 迁移学习 作物分类 机器学习 遥感指数 |
| 收稿时间： | 2023-07-15 |
Remote sensing classification of main crops in Nenjiang City based on transfer learning |
| |
| Wu Yujin,Li Yuxuan,Song Qian,Ren Chao,Leng Pei. Remote sensing classification of main crops in Nenjiang City based on transfer learning[J]. China Agriculture Information, 2023, 35(4): 1-10 |
| |
| Authors: | Wu Yujin Li Yuxuan Song Qian Ren Chao Leng Pei |
| |
| Affiliation: | 1.College of Geomatics and Geoinformation,Guilin University of Technology,Guilin 541006,Guangxi,China;2.State Key Laboratory of Efficient Utilization of Arid and Semi-arid Arable Land in Northern China/Institute of Agricultural Resources and Regional Planning,Chinese Academy of Agricultural Sciences,Beijing 100081,China |
| |
| Abstract: | |
| |
| Keywords: | transfer learning crop classification machine learning remote sensing indices |
|
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
|
点击此处可从《中国农业信息》下载全文 |
