基于阈值特征-机器学习的青铜峡灌区多年种植结构识别

作者：余午阳; 王一博; 陈新国^*; 黄权中; 黄冠华

来源：灌溉排水学报, 2023, 42(12): 28-35.

DOI：10.13522/j.cnki.ggps.2023251

• 种植结构
• 特征指数
• 随机森林
• 青铜峡灌区
• 粮食作物

【目的】基于阈值特征-随机森林算法对青铜峡灌区多年种植结构进行识别。【方法】以青铜峡灌区为研究对象，在实地调研和目视解译的基础上，基于谷歌地球引擎(Google Earth Engine)平台，采用阈值特征-随机森林方法识别2013—2020年青铜峡灌区主要粮食作物(春小麦、春玉米、水稻)的种植结构。【结果】阈值特征-随机森林算法能够用于干旱灌区多年种植结构识别，总体分类精度为0.88,Kappa系数为0.76。春小麦、春玉米、水稻的遥感提取面积与统计种植面积之间的线性拟合决定系数(R2)分别为0.80、0.93和0.86;2013—2020年作物种植面积由大到小分别为春玉米>水稻>春小麦，春玉米种植面积呈持续上升趋势，春小麦种植面积呈先升高后下降的变化趋势，水稻种植面积呈下降趋势；春玉米主要集中在灌区的北部和南部，种植区域呈南移趋势；春小麦主要集中在灌区的中部和南部，水稻主要集中在灌区中部地区，种植区域呈向北迁移的趋势。【结论】阈值特征-随机森林算法能够较好地适用于干旱灌区多年种植结构的识别，为长时间序列种植结构识别提供了新方法和思路。

• 单位
  中国农业大学; 土木工程学院