黄河滩区耕地和作物遥感提取研究——以兰考段为例

作者：闰亚迪; 秦耀辰; 樊雷; 刘小燕; 史志方; 李梦迪; 李乾; 崔耀平^*

来源：河南大学学报(自然科学版), 2022, 52(01): 9-19.

DOI：10.15991/j.cnki.411100.2022.01.014

• 深度学习
• GEE
• 水土资源
• 大数据
• 云计算

黄河滩区耕地资源是黄河流域国土资源管控的重要领域,滩区可利用耕地资源及其对应的作物呈现出小斑块和破碎化特征,采用中高分影像和前沿算法来提炼这种特征以了解其分布和对应的农作物耕种类型,这对黄河滩区的行洪安全和国土综合整治均具有重要意义.利用水体与植被指数之间的关系识别地表水体,通过UNet深度学习网络,结合地物多种特征规则,对黄河滩区大宗农作物提取.结果表明:(1)经过实地采样、原始影像和三调数据对比,水体的提取总体精度达到91%,冬小麦提取精度达88%,夏玉米的精度达85%;(2)耕地面积在黄河滩区兰考段面积中占比较大,占滩区总面积的66.62%,冬小麦占耕地总面积的58.31%,夏玉米占耕地总面积的46.03%;(3)利用UNet深度学习网络的方法提取农作物的精度较高,可以用于冬小麦和夏玉米的提取.本研究同时探讨了持续滩涂地和耕地之间的转化,可为滩区土地利用及发展规划研究提供数据支撑.

• 单位
  河南大学