为及时准确地获取干旱区农作物种植信息,确保干旱区粮食安全和保障农业可持续发展,文章以多时相Sentinel-2影像和野外采样为主要数据源,依据新疆阜康市农作物物候特征,提取不同时期的农作物植被指数,并按时间顺序进行统计,建立植被指数时序变化曲线,并对其特征进行分析.使用See5.0决策树算法、分类与回归树(CART)算法和随机森林(RF)算法开展农作物遥感分类研究,用传统精度评价指标和破碎度指标对分类结果进行比较、分析和验证.结果表明:See5.0算法的总体精度为93.15%,高于RF算法(84.35%)和CART算法(78.26%),Kappa系数的关系为See5.0(0.8856)>RF(0.8020)>CART(0.7441),See5.0算法的总体精度和Kappa系数均最高,表明See5.0算法的分类结果与实际作物类型及分布状况具有较好的一致性;See5.0算法对阜康市农作物的制图精度均超过85%,制图结果清晰,地块内均匀一致,没有明显的"椒盐"噪声;See5.0算法相较于RF(10.25%)和CART(17.40%)算法,分类后的农作物样方破碎度最低,为5.54%,分类效果最好.综上,See5.0机器学习算法可以实现高精度遥感农作物制图,更适合在绿洲区进行农作物高精度遥感分类与动态监测研究.

机器学习;Sentinel-2;农作物分类;See5.0;分类与回归树;随机森林

张旭辉;玉素甫江·如素力;仇忠丽;亚夏尔·艾斯克尔;阿卜杜热合曼·吾斯曼

新疆师范大学地理科学与旅游学院流域信息集成与生态安全实验室,新疆乌鲁木齐830054;新疆干旱区湖泊环境与资源重点实验室，新疆乌鲁木齐830054

新疆师范大学学报（自然科学版）

[1]张旭辉;玉素甫江·如素力;仇忠丽;亚夏尔·艾斯克尔;阿卜杜热合曼·吾斯曼-.基于不同机器学习的农作物遥感分类与精度评价研究——以新疆维吾尔自治区阜康市为例)[J].新疆师范大学学报（自然科学版）,2022(03):17-28

See5

农作物遥感分类,精度评价,新疆维吾尔自治区,阜康市,干旱区,农作物种植,种植信息,保干,农业可持续发展,多时相,Sentinel,要数,数据源,农作物物候,物候特征,植被指数,按时,时序变化,决策树算法,分类与回归树,CART,RF,分类研究,破碎度,总体精度,Kappa,作物类型,分布状况,制图精度,地块,椒盐,分类效果,机器学习算法,绿洲,农作物分类

0.266013