文献类型：期刊文章

作　　者：陈安旭[1,3] 李月臣[2,4]

Chen Anxu;Li Yuechen(School of Geography and Tourism,Chongqing Normal University,Chongqing 401331,China;Chongqing Engineering Research Center for Remote Sensing Big Data Application,School of Geographical Sciences,Southwest University,Chongqing 400715,China;Chongqing Key Laboratory of GIS Application,Chongqing 401331,China;Ministry of Education Field Observation and Research Station of Chongqing Jinfoshan Karst Eco-environments,Chongqing 400715,China)

机构地区：[1]重庆师范大学地理与旅游学院,重庆401331 [2]西南大学地理科学学院遥感大数据应用重庆市工程研究中心,重庆400715 [3]GIS应用研究重庆市高校重点实验室,重庆401331 [4]重庆金佛山喀斯特生态系统教育部野外科学观测研究站,重庆400715

出　　处：《农业工程学报》

基　　金：国家自然科学基金(41571419);重庆师范大学研究生科研创新项目(YKC19019)。

年　　份：2020

卷　　号：36

期　　号：7

起止页码：192-199

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EBSCO、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：山区水稻种植呈现破碎分散的特点,中低分辨率的遥感影像分类效果不甚理想,需要寻找适用于山区水稻提取的遥感数据源和监测方法;水稻在不同生长阶段有不同的形态特征,适用的分类特征与得出的分类结果显然不同。该研究以Sentinel-2影像为数据源,对不同生长阶段的水稻进行提取。选取波段特征、植被指数、红边指数、水体指数、地形特征、纹理特征等58个分类特征,运用SEaTH算法进行筛选后,采用随机森林分类法进行分类,并构建误差矩阵比较分类结果。结果表明,分类特征经过筛选后,数量分别为发育期16个、生长期13个、成熟期12个;分类结果进行精度验证后,用户精度分别为发育期0.93、生长期0.88、成熟期0.85,水稻发育期为提取水稻的最佳时期。Sentinel-2影像和随机森林方法可作为理想的数据源和监测方法用于山区水稻时空信息的提取。

关 键 词：水稻 生长  随机森林算法  特征优选  Sentinel-2  

分 类 号：S127] TP75]