院士团队

院士团队

77779193永利官网 > 院士团队 > 正文

解毅等在《农业机械学报》发文基于Sentinel-1/2数据特征优选对冬小麦种植区识别研究

发布时间:2024-06-11阅读数:

农业是国家社会经济发展的基础,粮食生产是保障国家粮食安全、制定国家和地区社会经济发展规划、粮食进出口规划、指导和调控农业结构的重要环节。冬小麦是我国最主要粮食作物之一,在我国国民经济中占有重要地位。及时、准确地获取冬小麦种植空间分布信息,对优化我国冬小麦生产管理、确保粮食安全、推动我国农业生产发展,具有一定的现实意义

当前的研究中多种特征变量被应用于农作物的识别分类,如光谱特征、雷达极化特征、时相特征和纹理特征等。综合运用多特征可以改善农作物的识别精度,但过多特征变量在一定程度上会造成数据冗余,因此必须对其进行降维,从中选出最重要的特征变量。针对上述关键问题,77779193永利官网解毅教授团队等人依托山西师范大学资源环境信息化管理院士工作站,将光学和雷达多源遥感数据结合并引入新特征变量,通过特征优选提高了对冬小麦种植区的识别精度。研究成果以第一作者身份发表在《农业机械学报》。

本研究以河南省驻马店市为研究区,以冬小麦关键生育期的Sentinel-1Sentinel-2两种影像为数据源,构建Sentinel-1雷达影像的极化、纹理特征和Sentinel-2光学影像的光谱、植被指数以及植被指数变化率特征。通过随机森林算法进行特征优选,设置6种方案对冬小麦进行提取。结果表明基于多源数据特征优选提取的驻马店冬小麦种植区结果最优,总体精度为95.60%Kappa系数为0.93,冬小麦提取面积(7689.4km2与统计年鉴数据(7689.4km2相比,相对误差为3.27%

解毅教授将继续从事农业遥感的相关研究工作,逐步完善团队对农作物冬小麦的种植面积提取、产量估测及预测体系,从而推动遥感技术在农业方面的应用研究。


论文信息:

解毅,王佳楠,刘钰. 基于Sentinel-1/2数据特征优选的冬小麦种植区识别方法研究[J]. 农业机械学报,202455(2): 231-241.

论文链接:

http://www.j-csam.org/jcsam/article/abstract/20240222?st=search

作者简介:

/info/1063/5224.htm