摘要
为了精准获取河南省冬小麦空间分布及面积数据,基于2003-2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提取冬小麦特征,分别训练出非线性模型,在250 m尺度对河南省冬小麦分布和面积进行识别.结果表明,基于DNN算法的河南省冬小麦面积识别模型精确率为97.26％,总体一致性为97.97％;基于RF、SVM算法的精确率分别为91.51％和89.31％,总体一致性均在90％以下.和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布.该研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息.
基金项目
江苏省碳达峰碳中和科技创新专项(BK20220017)
国家科技期刊平台
NSTL
维普
万方数据