基于多源遥感特征融合的水稻信息提取OA

为了及时、准确获取水稻的种植结构和分布,选取海南省作为研究区,基于Google Earth Engine(GEE)云平台,以Sentinel-1影像数据提取后向散射系数VH特征,使用Sentinel-2影像数据在水稻生长旺盛期合成多种植被指数特征以及提取NASADEM数字高程数据的高程特征,根据以上特征利用随机森林分类(random forest, RF)算法进行水稻信息提取,分别对单一和融合主被动遥感特征的提取结果进行精度评价对比分析。结果表明:(1)基于RF结合Sentinel-1数据存在较多“椒盐噪声”影响分类精度,而融合主被动遥感特征分类总体精度相比Sentinel-1提高了11.26百分点,kappa系数提高了0.17。(2)基于RF结合Sentinel-2数据受“异物同谱”影响导致提取精度不高,融合主被动遥感特征相比Sentinel-2提高6.26百分点,kappa系数提高了0.06。该研究成果证明结合多源数据对水稻进行信息提取具有积极作用。