文献类型：期刊文章

作　　者：张科谦[1] 程钢[1] 吴微[2] 宋向阳[1] 张子谦[3] 姚顺[1] 吴帅[1]

ZHANG Keqian;CHENG Gang;WU Wei;SONG Xiangyang;ZHANG Ziqian;YAO Shun;WU Shuai(College of Surveying and Land Information Engineering,Henan Polytechnic University,Jiaozuo 454003,China;College of Geomatics and Geoinfornation,Guilin University of Technology,Guilin 541000,China;School of Software,Henan University of Science and Technology,Luoyang 471003,China)

机构地区：[1]河南理工大学测绘与国土信息工程学院,河南焦作454003 [2]桂林理工大学测绘地理信息学院,广西桂林541000 [3]河南科技大学软件学院,河南洛阳471003

出　　处：《河南农业科学》

基　　金：国家自然科学基金资助项目(41001226);中国博士后科学基金项目(2015M582831);河南省高校基本科研业务费专项资金资助项目(NSFRF180329)。

年　　份：2023

卷　　号：52

期　　号：6

起止页码：160-171

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了快速、准确地获取作物分布信息,探索使用主动遥感影像(Sentinel-1A)和被动遥感影像(Sentinel-2)提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI(归一化植被指数)时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单一数据源,冬小麦分类精度有不同程度的提升。

关 键 词：冬小麦 种植面积 GEE Sentinel影像  生育期 随机森林  主动遥感  被动遥感  

分 类 号：S127]