文献类型：期刊文章

作　　者：刘通[1] 任鸿瑞[1]

Liu Tong;Ren Hongrui(Department of Geomatics,Taiyuan University of Technology,Taiyuan 030024,China)

机构地区：[1]太原理工大学测绘科学与技术系,太原030024

出　　处：《农业工程学报》

基　　金：中国气象局沈阳大气环境研究所联合开放基金(2021SYIAEKFMS39);山西省重点研发计划(国际科技合作)项目(201903D421089)。

年　　份：2022

卷　　号：38

期　　号：12

起止页码：189-196

语　　种：中文

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

摘　　要：为高效提取高精度水稻种植分布及其面积,该研究基于谷歌地球引擎(Google Earth Engine,GEE)平台,以辽宁省盘锦市为研究区,利用2020年Sentinel-2影像提取水稻生命周期内4个水稻物候期相应的光谱指数,利用简单非迭代聚类(Simple Non-Iterative Clustering,SNIC)算法来分割影像,灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)来计算纹理特征,结合支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)算法构建6种不同的模型进行水稻种植分布提取,并基于目视解译及实地调查数据,对比6种模型提取水稻的验证精度和实测精度,确定最优模型。结果表明:在水稻种植分布提取中,面向对象方法有助于提高水稻种植分布提取精度,且RF算法优于SVM算法。其中SNIC图像分割结合RF模型具有最高提取精度,总体精度和Kappa系数分别为96.83%、0.934,经实测数据验证,水稻实测精度为95.43%,可满足区域水稻种植分布和面积监测需求。

关 键 词：遥感  物候学 面向对象法 简单非迭代聚类  灰度共生矩阵 Google Earth Engine(GEE)  

分 类 号：TP79] S127]