基于多源遥感影像的农作物分类提取

2021-10-14何贞铭吴贞江

山东农业大学学报(自然科学版) 2021年4期

张颖,何贞铭,吴贞江

长江大学地球科学学院,湖北武汉 430100

近年来，遥感技术成为作物分类的重要手段，不仅能够快速准确地获取农作物的面积分布，也能为作物信息提取提供良好的技术支持。Vuolo[1]等利用多时相哨兵-2 图像和随机森林（Random forest，RF）分类器对农作物进行识别，验证多相作物的分类精度高于单相作物的分类精度。Bargiel[2]等结合哨兵-1 密集时间序列数据和耕地物候变化信息，评估了联合使用时间序列的光学和SAR 数据识别作物类别的适用性。Sonobe[3]等利用多时相的哨兵数据和光学遥感影像，对农作物类型进行分类研究，结果表明，雷达数据和光学数据的结合能够实现预期的效果。

融合多源遥感数据有助于提高分类精度[4]，但特征维数增加到一定阈值，继续增加反而会导致精度下降[5]。因此，常睿春[6]等人研究了基于FastICA 的高光谱遥感矿物信息提取方法，曹晶晶[7]等对独立主成分分析（Independent principal component analysis，ICA）在高光谱混合像元分解方面进行研究，结果证明，ICA 可以保留部分特征波段，增加地物的可区分性[8]。基于像元的作物分类方法难以保证地物内部的完整性[9]。本实验采用面向对象农作物分类，融合Sentinel-1 SAR数据和Sentinel-2多光谱数据作为基础数据，采用独立主成分分析方法，选取占方差95%的前6 个分量用于随机森林分类器快速[10]分类，证明农作物分类提取中，面向对象分类方法的精度比面向像元高，且多源遥感数据融合比单独使用多光谱数据或雷达数据分类更加精确。