基于Sentinel-2时序数据的新疆焉耆盆地农作物遥感识别与评估 |
| |
作者姓名: | 张旭辉 玉素甫江·如素力 仇忠丽 亚夏尔·艾斯克尔 阿卜杜热合曼·吾斯曼 |
| |
作者单位: | 1. 新疆师范大学地理科学与旅游学院流域信息集成与生态安全实验室;2. 新疆干旱区湖泊环境与资源重点实验室 |
| |
基金项目: | 国家自然科学基金项目(U1703341,41764003); |
| |
摘 要: | 为及时准确地获取干旱区农作物种植信息,研究借助PIE-Engine Studio平台,以新疆焉耆盆地为研究区,基于2022年Sentinel-2影像和1948个野外定位采样数据提取农作物生育期内14种植被指数,使用See5.0决策树、随机森林(Random forest,RF)和多元回归(Multiple regression,MR)模型优选特征参数,结合支持向量机(Support vector machine,SVM)算法构建5种分类模型和5种样方分割方案进行农作物种植信息提取,通过目视解译和混淆矩阵对比分析分类结果,确定最佳分类方案。结果表明:(1)所有分类模型的总体精度(OA)和Kappa系数均在92.20%和0.9037以上,说明在PIE平台中使用SVM算法提取农作物信息是可行的。(2)SVM-有红边的OA和Kappa系数均值为93.77%和0.9236,比SVM-无红边方法提高了0.96%和0.0120。(3)相比于SVM-有红边方法,植被指数的引入提高了SVM-RF、SVM-MR和SVM-See5.0的OA和Kappa系数。(4)5种分类模型的OA和Kappa系数均值的大小...
|
关 键 词: | 农作物 Sentinel-2 支持向量机 PIE-Engine Studio 焉耆盆地 |
|