文献类型：期刊文章

作　　者：柏佳[1,2] 孙睿[1,2] 张赫林[1,2] 王岩[3,4] 金志凤[5]

Bai Jia;Sun Rui;Zhang Helin;Wang Yan;Jin Zhifeng(State Key Laboratory of Remote Sensing Science,Faculty of Geographical science,Beijing Normal University,Beijing 100875 China;Beijing Engineering Research Center for Global Land Remote Sensing Products,Faculty of Geographical Science,Beijing Normal University,Beijing 100875,China;Key Laboratory of Digital Earth Science,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing,100094,China;University of Chinese Academy of Sciences,Beijing 100049,China;Zhejiang Climate Center,Hangzhou 310002,China)

机构地区：[1]北京师范大学地理科学学部,遥感科学国家重点实验室,北京100875 [2]北京师范大学地理科学学部,北京市陆表遥感数据产品工程技术研究中心,北京100875 [3]中国科学院空天信息创新研究院/数字地球科学重点实验室,北京100094 [4]中国科学院大学,北京100049 [5]浙江省气候中心,杭州310002

出　　处：《农业工程学报》

基　　金：浙江省科技计划项目(2021C02036);国家重点研发计划(2017YFA0603002)联合资助。

年　　份：2021

卷　　号：37

期　　号：14

起止页码：179-185

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。

关 键 词：遥感 图像处理  光谱分析 茶园识别  GF-1  Sentinel-2时序信息  随机森林  

分 类 号：S127] S571.1