典型文献
基于XGBoost算法的多云多雾地区多源遥感作物识别
文献摘要：
快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础.针对我国江南区域多云雾的特点,以Sentinel-1/2为数据源,综合采用光学遥感影像和合成孔径雷达(Synthetic aperture radar,SAR)影像等多源数据,针对研究区作物早春覆膜的特点,构建地膜植被指数(SAR plastic-film vegetation index,SPVI);利用时序光谱和植被指数特征,研究基于XGBoost算法的作物识别方法.以安徽省宣城市宣州区为研究区,开展实例验证研究.在作物生育期内,云雾影响较大,光学遥感覆盖稀疏区域以Sentinel-2影像为主,获取时序指数数据集,增加4期Sentinel-1雷达影像,用以补充云雾时期(5-7月)光学影像的缺失.以本文设计的方法,得到作物识别总体精度为84.87％,优于随机森林的83.93％,主要作物烟草制图精度88.69％,用户精度95.51％.仅使用生育期Sentinel-2影像的作物识别总体精度79.01％,主要作物烟草制图精度82.30％,用户精度93.49％.研究结果表明,本文构建的基于XGBoost算法多源遥感作物识别方法可满足多云多雾地区作物识别应用要求.
文献关键词：
多源遥感;作物识别;XGBoost算法;云雾地区
中图分类号：
作者姓名：
张超;陈畅;徐海清;薛琳
作者机构：
中国农业大学土地科学与技术学院,北京100083;自然资源部农用地质量与监控重点实验室,北京100083;安徽皖南烟叶有限责任公司,宣城242000
文献出处：
引用格式：
[1]张超;陈畅;徐海清;薛琳-.基于XGBoost算法的多云多雾地区多源遥感作物识别)[J].农业机械学报,2022(04):149-156
A类：
SPVI,云雾地区
B类：
XGBoost,多云,多雾,多源遥感,作物识别,种植面积,长势监测,产量估算,病虫害监测,江南区,Sentinel,数据源,合采,光学遥感影像,合成孔径雷达,Synthetic,aperture,radar,SAR,多源数据,早春,覆膜,建地,地膜,植被指数,plastic,film,vegetation,宣城市,宣州区,生育期,雾影,数数,雷达影像,光学影像,总体精度,烟草,制图精度,应用要求
AB值：
0.341681
相似文献
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。
