基于RF算法优选多时相特征的冬小麦空间分布自动解译

摘要：

为探讨如何利用遥感影像自动解译技术,实现冬小麦种植情况统计调查、提高提取精度,选择冬小麦关键生育期6个时相的高分二号遥感影像数据,分别从6个时相的近红外灰度(NIR)、红波段灰度(R)、绿波段灰度(G)、蓝波段灰度(B)、比值植被指数(RVI)、归一化植被指数(NDVI)6个特征中优选出对冬小麦面积提取最敏感的1个特征作为输入变量,每个时相选择1个特征,6个时相共选出6个特征作为输入变量,利用随机森林算法构建模型,提取冬小麦空间分布特征.选择研究区不同长势、不同种植品种的地块样本构建训练集,利用多时相特征构建模型,并将模型推广应用于整个大厂回族自治县,得到大厂回族自治县冬小麦的空间分布情况.通过与统计结果对比分析,经过多时相特征优选构建的模型对冬小麦的识别精度接近90％.经过样本优化和后期处理仍可提升精度,此方法能在保证提取精度的前提下对冬小麦进行快速提取,提高相应的工作效率.

关键词：冬小麦、多时相、自动解译、随机森林算法

所属期刊栏目：50

分类号：TP75;S512.1+1(遥感技术)

资助基金：国家自然科学基金项目41701387;国家高分辨率对地观测系统重大专项67-Y40G09-9002-15/18;河北省青年科学基金项目D2018409029;河北省高等学校科学技术研究重点项目ZD2016126;北华航天工业学院博士基金项目BKY-2015-02;河北省航天遥感信息处理与应用协同创新中心开放课题项目XTZXKF201701

在线出版日期：2019-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：218-225