基于时序GF-6与Sentinel-1数据的协同玉米制图指数研究OA

及时准确获取玉米种植分布情况对农业生产管理具有重要意义。针对多云雨区玉米识别中数据缺失与样本依赖难题,本研究提出一种无监督的协同玉米制图指数(Synergistic maize mapping index,SMMI)以实现山西省寿阳县玉米种植区提取。选取2021年5—8月春玉米关键生育期的GF-6 WFV和Sentinel-1 SAR影像为数据源,通过耦合GF-6的2个红边波段、SAVI、TVI、RDVI及Sentinel-1的VH极化特征构建SMMI进行阈值分类实现春玉米种植区提取。结果表明:利用SMMI提取春玉米的总体精度达到90.72%,玉米用户精度与生产者精度分别达到88.07%与87.8%,较未使用雷达特征的指数和基于多特征集的随机森林(Random forest,RF)算法的总体精度分别提升1.86、0.95个百分点,表明SMMI在春玉米识别精度上优于这2种方法,且验证了红边波段与VH极化特征在春玉米识别中的重要性;同时联合光学与雷达特征可实现较单一数据源更优的分类效果。该研究可为多云雨地区的玉米分布制图提供方法参考。