科研之友
微信
新浪微博
Facebook
分享链接
摘要
干旱是影响花生产量的主要气象因素之一。开展花生干旱灾情遥感评估对于产量估算、防灾减灾和保险理赔具有重要意义。当前花生旱灾遥感评估主要依赖于光谱指数变化信息，容易受不同地区生育进程干扰，限制了光谱指数方法的普适性。研究在多时相Sentinel-2遥感影像和野外实测样本的支持下，分析时序波段反射率日均增量信息与花生干旱受灾程度之间的内在联系，利用决策树、随机森林、逻辑回归等方法对花生干旱等级进行分类，并以总体精度和Kappa系数评价各种方法的精度。结果表明：单一波段的近红外反射率日均增量对花生受灾情况的指示性较强。多光谱波段组合方式对花生旱灾程度的指示性均优于单个波段，其中红波段、蓝波段、近红外光谱波段反射率日均增量组合的指示性最强，整体精度达到89.93%,Kappa系数0.847 1。与逻辑回归和决策树算法相比，随机森林算法对花生旱灾评估精度最高。在旱情等级最优时相组合分析中，利用花生生长旺盛期（7月～8月）的多波段反射率日均增量信息，灾情等级遥感识别的总体精度可达88.62%,Kappa系数为0.827 4。说明基于生长旺盛期时序多波段反射率日均增量的干旱灾情遥感评估方法能有效提取花生受灾范围与灾情严重程度。
- 单位
