摘要
获取水稻种植信息对于指导水稻生产,监测作物生长及合理分配水资源具有重要意义.针对基于单时相影像提取水稻信息精度有限,以Sentinel-2A/B多时相影像为数据源,构建NDVI、EVI、NDWI和光谱特征4种时序特征数据集并设计6种试验方案,结合随机森林算法对水稻种植信息进行提取.结果表明,NDVI、EVI时序曲线可以较好反映出水稻生育期的物候特征,不同地类的光谱时序曲线和NDWI时序曲线可分离度较高,有利于提高分类精度;基于NDVI时序数据集的分类精度最低,基于光谱时序数据集的分类精度最高,总体精度达95.5590％,Kappa系数为0.9433,与基于NDVI的分类结果相比,总体精度、Kappa系数、水稻生产者精度和用户精度分别提高了3.5304％、0.0449、8.64％和3.36％,水稻与旱地的混分现象得到有效抑制.该研究为区域水稻种植信息精确提取在数据源选择、时序特征构建方面提供了一种新的思路和技术手段.
基金项目
黑龙江省自然科学基金(JJ2017ZR0933)
黑龙江省省属高校基本科研业务费项目(2019)(Hkdqg201901)
国家科技期刊平台
NSTL
维普
万方数据