遥感技术与应用2023，Vol.38Issue(3) ：578-587.DOI:10.11873/j.issn.1004-0323.2023.3.0578

基于深度学习的遥感影像时空融合及冬小麦种植面积提取

Spatiotemporal Fusion of Remote Sensing Images based on Deep Learning and Extraction of Winter Wheat Planting Area

张娟娟 谢一敏 董萍 孟圣博 司海平 王晓平 马新明
遥感技术与应用2023，Vol.38Issue(3) ：578-587.DOI:10.11873/j.issn.1004-0323.2023.3.0578
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的遥感影像时空融合及冬小麦种植面积提取

Spatiotemporal Fusion of Remote Sensing Images based on Deep Learning and Extraction of Winter Wheat Planting Area

张娟娟 1谢一敏 1董萍 2孟圣博 2司海平 1王晓平 3马新明4
扫码查看

作者信息

  • 1. 河南农业大学信息与管理科学学院,河南郑州 450002;河南粮食作物协同创新中心,河南郑州 450002
  • 2. 河南农业大学信息与管理科学学院,河南郑州 450002
  • 3. 河南省金囤种业有限公司,河南 漯河 462003
  • 4. 河南农业大学信息与管理科学学院,河南郑州 450002;河南粮食作物协同创新中心,河南郑州 450002;河南农业大学农学院,河南郑州 450002
  • 折叠

摘要

利用遥感技术快速、准确地进行冬小麦种植面积提取对农作物估产和粮食安全具有重要意义.由于中高分辨率时序影像受重访周期、云雨天气等影响难以获取,而低分辨率遥感数据在作物种植信息提取上精度低等问题,以河南省长葛市为例,获取2015～2020年间的Landsat 8和MODIS影像为数据集,基于优化后的卷积神经网络时空融合模型对2种数据进行融合,构建30 m分辨率的NDVI时间序列集,采用S-G(Savitzky-Golay)滤波对时序集进行去噪,最后利用随机森林方法对冬小麦种植面积进行提取.结果表明:优化后的融合模型鲁棒性较好,预测影像与真实影像R2均在0.92以上.研究区小麦面积提取与统计面积的一致性为97.3％,结果可靠.因此,优化后的模型能较好地融合出中高分辨率影像,是一种有效的补充缺失影像的技术手段,构建的时序集能较为准确地提取县域小麦种植面积.

关键词

多源遥感/时空融合/卷积神经网络/分类/种植面积

Key words

Multi-source remote sensing/Spatiotemporal fusion/Convolutional neural network/Classification/Planting area

引用本文复制引用

基金项目

国家重点研发计划(2021YFD1700905)

河南省科技攻关计划(192102110012)

河南省小麦产业技术体系建设项目(S2016-01-G04)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
参考文献量11
段落导航相关论文