典型文献
基于GEE和机器学习的河套灌区复杂种植结构识别
文献摘要：
河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义.然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分.因此,基于Google Earth Engine(GEE)云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响.结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81％,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86％.研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法.
文献关键词：
遥感;机器学习;GEE云平台;作物识别;特征优选;河套灌区
中图分类号：
作者姓名：
牛乾坤;刘浏;黄冠华;程湫雅;程泳铭
作者机构：
中国农业大学水利与土木工程学院,北京 100083;中国农业大学中国农业水问题研究中心,北京 100083;中国-以色列国际农业研究培训中心,北京 100083
文献出处：
引用格式：
[1]牛乾坤;刘浏;黄冠华;程湫雅;程泳铭-.基于GEE和机器学习的河套灌区复杂种植结构识别)[J].农业工程学报,2022(06):165-174
A类：
B类：
GEE,河套灌区,杂种,结构识别,商品粮,粮油生产,生产基地,准确快速,物空间,农业可持续发展,土壤盐渍化,散乱,生育期,紧邻,遥感影像,Google,Earth,Engine,云计算平台,Sentinel,遥感数据,数据提取,作物种植结构,GlobeLand30,地物分类,分类数据,植被特征,纹理特征,朴素贝叶斯,分类回归树,分类器,分类特征,分类精度,特征波段,分类效果,分类算法,总体精度,Kappa,光谱特征,红边波段,遥感植被指数,行波,平均分,分布信息,参考方法,作物识别,特征优选
AB值：
0.392738
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
