科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
