摘要
为了解决在多云雨天气与复杂地形条件下难以快速精准大面积绘制喀斯特山区甘蔗种植区的问题,亟须探究适用于喀斯特山区甘蔗种植区提取的方法.以广西壮族自治区崇左市为研究区域,利用Sentinel-2数据计算多种植被指数,根据Sentinel-2原始波段、光谱指数和纹理信息特征分析,选取地物训练样本,并引入DEM、土地利用等辅助识别特征变量,采用神经网络、随机森林、支持向量机3种机器学习方法,实现2018-2021年甘蔗种植区遥感提取,再利用Google Earth影像和统计数据进行精度评价.结果表明,基于Sentinel-2的甘蔗种植区遥感提取效果较好,崇左市甘蔗种植区总体分类精度均高于91％,κ系数均大于0.88;3种分类方法提取面积误差均值为-4.84％.2018-2021年,崇左市甘蔗种植面积趋于较平稳状态;主要甘蔗种植区以扶绥县、江州区、龙州县及大新县南部和宁明县北部为主.Sentinel-2数据在识别地类复杂多样、农田极其碎片和多云天气频繁等特点的作物信息方面具有较好潜力.
基金项目
国家自然科学基金(42061071)
广西科技基地和人才专项(桂科AD20297027)
广西自然科学基金(2021GXNSFBA220061)
广西高校中青年教师科研基础能力提升项目(2021KY0397)
统计学广西一流学科建设项目(桂教科研[2022]1号)
万方数据