基于GEE和Sentinel-1/2数据的夏玉米种植面积精细化识别方法
韩东枫1
李峰1
秦泉1
胡先锋1
王晗1
段金馈1
冯冬含1
崔颖2
1.山东省气象防灾减灾重点实验室,山东济南 250031;山东省气候中心,山东济南 250031;长岛国家气候观象台,山东长岛 2658002.自然资源部国土空间规划研究中心,北京 100034
摘要：作物种植面积提取方式的选取,对农作物遥感监测有重要意义.为探究夏玉米遥感识别最佳时相、夏玉米遥感识别光学时序和夏玉米遥感识别光学与星载合成孔径雷达(synthetic aperture radar,SAR)融合时序3种方案在夏玉米种植区识别的差异,选取山东商河为研究区.基于谷歌地球引擎(Google Earth Engine,GEE)云平台Sentinel-1/2数据,构建分类数据集,结合地面调查制作分类样本,采用随机森林法进行3种方案下研究区夏玉米种植区域提取,并分析各方案精度.结果表明:3种方案均能较高精度地实现夏玉米与其他作物的区分;相对于夏玉米遥感识别最佳时相方案,夏玉米遥感识别光学时序方案下夏玉米总体分类精度由83.01％提高到89.44％,Kappa系数由0.77提高到0.86;相对于夏玉米遥感识别最佳时相和夏玉米遥感识别光学时序方案,夏玉米遥感识别光学与SAR融合时序方案的总体分类精度最高,达92.51％,Kappa系数达0.89.研究表明,夏玉米遥感识别光学与SAR融合时序方案可以在较高精度下有效识别夏玉米种植区,为发育期内的农情调查管理提供参考.
关键词：谷歌地球引擎(GEE)Sentinel-1/2卫星夏玉米随机森林法
分类号：S127(农业物理学)
资助基金：国家科技重大专项(2022ZD0119500)山东省自然科学基金项目(ZR2020MF130)山东省气象局气象软科学重点项目(2024SDZDIANXM01)山东省气象局科研项目(2021sdqxz03)
论文发表日期：2024-09-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：11( 122-132 )
英文信息