Indicative features for identifying corn and soybean using remote sensing imagery at middle and later growth season

作者：Yu Shen, Q. W. Li, Xin Du, Hongyan Wang, Yuan Zhang · 发表于：National Remote Sensing Bulletin · 年份：2022 · DOI：10.11834/jrs.20209078 · 被引用次数：12 · 研究领域：Remote Sensing and Land Use、Remote Sensing in Agriculture、Spectroscopy and Chemometric Analyses

中国科学院空天信息创新研究院 遥感卫星应用国家工程实验室, 北京 100101; 2. 中国科学院大学 资源与环境学院, 北京 100049 摘 要：玉米和大豆是两种主要的粮食作物，及时准确地监测两者的种植面积对于产量预测和市场价格的制定 具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集，为在不同实验区 进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象，以黑 龙江和安徽省两个典型种植区为实验区，以高分一号影像为数据源，计算多种植被指数特征和两种纹理特征， 同时利用特征优选方法评价特征间的相对重要性，并结合随机森林分类算法分析特征个数对精度的影响，得到 不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异，遴选出对玉米和大 豆中后期区分的遥感指示性识别特征集，并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生 长中后期存在具有高效辨识两者的遥感特征集，能有效和稳定地增强两者的遥感识别能力；在不同实验区，基 于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集，得到两者最优的识别效果，比仅仅使用原始 波段特征的分类精度提升了近 10 个百分点，总体分类精度能够平均达到 97%，Kappa 系数 0.96，玉米和大豆的单 类分类精度平均超过 95%；在不同的种植区，利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特 征子集同样的分类精度和制图效果，且具有稳定性和有效性，较最佳特征集更具推广使用意义。指示性特征集 包含 6 种：植被指数中的比值植被指数 (RVI) ，差值植被指数 (DVI) ，转换型植被指数 (TVI) ，改进型叶绿素 吸收比率指数 (MCARI) 和灰度共生矩阵 (GLCM) 纹理特征中的二阶矩 (the Second Moment) 和熵 (Entropy) 。