随机森林方法支持下Sentinel-2A MSI多种特征的冬小麦识别分析

作者：朱永基; 殷飞笺; 王晗; 陶新宇; 李新伟^*; 刘吉凯

来源：安徽科技学院学报, 2022, 36(01): 25-31.

DOI：10.19608/j.cnki.1673-8772.2017.1023

• Sentinel-2A
• 随机森林
• 植被指数
• 纹理特征
• 冬小麦
• 作物识别

目的:研究Sentinel-2A MSI数据的光谱反射率、植被指数和纹理特征对农作物精细识别的影响。方法:基于冬小麦关键生育期的Sentinel-2A MSI影像，利用机器学习中具有稳健性能的随机森林方法(Random Forest, RF)分析了多种特征数据集(光谱反射率、植被指数、纹理特征和综合特征)支持下的蚌埠市怀远县冬小麦精细分类精度，并根据RF的特征重要性对上述多种特征进行对比分析。结果:综合特征集的地物识别效果最好，纹理特征集次之，光谱反射率特征集的识别效果最差；对冬小麦生产者识别精度最高的是纹理特征集，最低的是光谱反射率特征集；用户精度最高的是综合特征集，最低的是植被指数特征集。所有参与分类的特征中，贡献度最大的光谱反射率、纹理特征和植被指数分别是B1(Deep Blue)、方差(Variance)和植被衰减指数(PSRI);贡献度最小的光谱反射率、纹理特征和植被指数分别为B8(NIR)、相关性(Correlation)和比值植被指数(RVI)。结论:相比于光谱反射率和植被指数特征集，纹理特征更有助于提高冬小麦的识别精度。

• 单位
  安徽科技学院; 山东省气候中心