本文基于历史作物空间分布数据,提出了一种融合时空谱和物候信息的高效样本纯化策略,自动生成水稻样本数据,从而支持使用机器学习算法识别水稻.在台州两个县级市范围内,基于 2019-2022 年水稻空间分布历史数据,按以上策略自动生成样本,之后按所生成样本使用随机森林算法对 2023 年多期卫星影像提取水稻分布,识别结果精度达到 85%以上.该算法提高了作物分布结果的准确性和精度,减少了漏分,并避免了手动分类的不稳定性,提升了工作效率和精度.建议后续可在扩大遥感影像类型、投入实战试用、扩大识别品种、尝试旱粮识别等方面进一步推广应用.
NETL
NSTL
万方数据
